finished edition
使用计图（Jittor）框架实现Conditional GAN在MNIST数据集上的图像生成。
本项目包含了第三届计图挑战赛计图 - 热身赛的代码实现。本赛道将在数字图片数据集 MNIST 上训练 Conditional GAN（Conditional generative adversarial nets）模型，通过输入一个随机向量 z 和额外的辅助信息 y (如类别标签)，生成特定数字的图像。
使用一张GTX970进行测试，100轮训练时间约为10分钟
直接使用python CGAN.py即可，如需更改参数请参考代码内容。
python CGAN.py
此项目基于论文 Conditional Generative Adversarial Nets 实现
A Jittor implementation of Conditional GAN (CGAN).
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
A Jittor implementation of Conditional GAN (CGAN).
使用计图（Jittor）框架实现Conditional GAN在MNIST数据集上的图像生成。
简介
本项目包含了第三届计图挑战赛计图 - 热身赛的代码实现。本赛道将在数字图片数据集 MNIST 上训练 Conditional GAN（Conditional generative adversarial nets）模型，通过输入一个随机向量 z 和额外的辅助信息 y (如类别标签)，生成特定数字的图像。
安装
使用一张GTX970进行测试，100轮训练时间约为10分钟
运行环境
训练
直接使用
python CGAN.py即可，如需更改参数请参考代码内容。致谢
此项目基于论文 Conditional Generative Adversarial Nets 实现