CGAN_jittor

项目简述

本项目是头歌平台jittor挑战赛热身赛的题目。 本项目使用 Jittor 深度学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Conditional GAN 模型，并生成指定数字序列对应的图片。

安装方法

本项目需要安装jittor Jittor 框架目前支持 Linux 或 Windows(包括 WSL)， mac 系统请安装虚拟机解决。 需要使用 Python 及 C++ 编译器（g++ 或 clang）。 Jittor 提供了三种安装方法： docker， pip 和手动安装，具体安装教程请参考： https://cg.cs.tsinghua.edu.cn/jittor/download/ 如果您跟我一样使用windows环境下的pip安装，则可以直接在命令行中运行以下命令： python --version python -m pip install jittor python -m jittor.test.test_core python -m jittor.test.test_example

运行方法

在CGAN.py的第205行，定义了一个字符串变量number，这是在模型训练完成后，我们认为指定的要求模型输出的数字串。 您可以更改这个数字串，使得模型在训练完毕后会生成不同的图片。但要保证修改完后number还是一个数字串。 您可以在命令行中输入python CGAN.py来训练模型。 同时，模型还支持在命令行中更改参数，具体如下：

• –n_epochs：整型，训练的 epoch 数量，默认值为 100。
• –batch_size：整型，批次的大小，默认值为 64。
• –lr：浮点型，Adam 优化器的学习率，默认值为 0.0002。
• –b1：浮点型，Adam 优化器的第一个动量衰减率，默认值为 0.5。
• –b2：浮点型，Adam 优化器的第二个动量衰减率，默认值为 0.999。
• –n_cpu：整型，用于批次生成的 CPU 线程数量，默认值为 8。
• –latent_dim：整型，潜在空间的维度，默认值为 100。
• –n_classes：整型，数据集的类别数量，默认值为 10。
• –img_size：整型，每张图片的尺寸，默认值为 32。
• –channels：整型，图像的通道数，默认值为 1。
• –sample_interval：整型，两次保存图片之间的间隔，默认值为 1000。

友情链接

本项目可在头歌平台https://www.educoder.net/competitions/index/Jittor-4上测评。

许可

我使用的licence为MIT。