CGAN_jittor

本项目使用清华大学开源代码框架Jittor，完成了第三届计图人工智能挑战赛，计图挑战热身赛的示例代码框架，补充并完成了能够将随机噪声和类别标签映射为数字图片的Conditional GAN模型。

项目运行

首先，请确保你已正确安装并部署Jittor框架。 相关安装说明参见https://cg.cs.tsinghua.edu.cn/jittor/download/

python CGAN.py \
    --n_epochs 200 \             # 训练的总轮数
    --batch_size 128 \           # 每个批次的大小
    --lr 0.0001 \                # Adam 优化器的学习率
    --b1 0.5 \                   # Adam 优化器的第一个动量衰减参数
    --b2 0.999 \                 # Adam 优化器的第二个动量衰减参数
    --n_cpu 8 \                  # 用于生成批次数据的 CPU 线程数
    --latent_dim 128 \           # 潜在空间的维度
    --n_classes 10 \             # 数据集中的类别数
    --img_size 32 \              # 每个图像的尺寸
    --channels 1 \               # 图像的通道数
    --sample_interval 500        # 保存生成图像的间隔