项目简介

该项目使用 Jittor 机器学习框架，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。

Conditinal GAN模型原理

Conditional GAN （CGAN）通过添加显式的条件或标签， 来控制生成的图像。在生成器 generator 和判别器 discriminator 中添加相同 的额外信息 y， GAN 就可以扩展为一个 conditional 模型。 y 可以是任何形式的辅助信息，例如类别标签或者其他形式的数据。我们可以通过将 y 作为额外输入层，添加到生成器和判别器来完成条件控制。

环境变量

Jittor Pythone 3.9.6

使用pip install jittor即可安装jittor。

致谢

本项目基于https://github.com/Jittor/gan-jittor/blob/master/competition/warm_up_comp/CGAN.py文件继续编写。

本次模型使用google colab的gpu进行训练，很大程度提高了训练速度。