jtCGAN

A Jittor implementation of Conditional GAN (CGAN)

简述

本项目为计算机图形学课程期中作业，使用第二届计图人工智能挑战赛-计图挑战热身赛所提供的 框架代码实现了手写数字图像生成的条件生成对抗网络——jtCGAN。

jtCGAN使用了开源机器学习框架——计图（jittor）,该框架可以帮助我们搭建性能更好的神经网络用于机器学习。

jittor环境搭建

本项目运行需要python支持jittor框架，以下为Windows和Linux操作系统下的jittor库使用pip的安装方法及测试方法（使用CPU），更多安装方法见：https://cg.cs.tsinghua.edu.cn/jittor/

Windows

# 检查python版本大于等于3.8
python --version
python -m pip install jittor
python -m jittor.test.test_core
python -m jittor.test.test_example

Linux

sudo apt install python3.7-dev libomp-dev
python3.7 -m pip install jittor
python3.7 -m jittor.test.test_example

运行方法

在项目目录下执行以下命令即可运行该项目程序，将会训练模型并生成需要的数字图像：

py CGAN.py

您可以在命令行运行时设定您需要使用的参数，运行使用的参数及其默认值如下：

• n_epochs:100
• batch_size:64
• lr:0.0002
• b1:0.5
• b2:0.999
• n_cpu:9
• latent_dim:100
• n_classes:10
• img_size:32
• channels:1
• sample_interval:1000

具体参数含义可在文件代码中查阅或者使用–help获知。

使用方法

项目注释已在代码中给出，可以通过注释来进行进一步的了解。如需生成需要的图像，可以使用 numbers来生成需要的图像，如需调整图像排列，可修改save_img函数。

友情链接

jittor网站：https://cg.cs.tsinghua.edu.cn/jittor/

第二届计图人工智能挑战赛：https://www.educoder.net/competitions/index/Jittor-3

致谢

感谢清华大学提供的开源机器学习框架jittor和头歌所提供的框架代码及测评平台