CGAN_Jittor

CGAN_jittor 是一个使用 Jittor 框架实现的条件生成对抗网络（CGAN）的示例项目。该项目可以用于生成手写数字图像，具体实现了一个基于 MNIST 数据集的 CGAN 模型。

简介

CGAN（Conditional Generative Adversarial Network）是一种生成对抗网络的变体，它通过引入条件信息来生成与给定条件相关的图像。在该项目中，我们使用 CGAN 来生成手写数字图像，并且可以指定所生成图像对应的数字序列。

依赖

Jittor Python（版本 >=3.7）

使用方法

1. 运行 CGAN.py 文件：

       python main.py

2. 可选参数说明：

–n_epochs：训练的轮数，默认为 100 –batch_size：每个批次的样本数量，默认为 64 –lr：Adam 优化器的学习率，默认为 0.0002 –b1：Adam 优化器的一阶动量衰减率，默认为 0.5 –b2：Adam 优化器的二阶动量衰减率，默认为 0.999 –n_cpu：用于批次生成的 CPU 线程数，默认为 8 –latent_dim：潜在空间的维度，默认为 100 –n_classes：数据集的类别数，默认为 10 –img_size：生成图像的尺寸，默认为 32 –channels：图像的通道数，默认为 1 –sample_interval：保存生成图像的间隔，默认为 1000

3. 生成的图像将保存在项目根目录下，命名格式为 <轮数>.png。最终结果为result.png