Jittor Conditional GAN 生成数字图像

简介

本项目包含了第四届计图挑战赛热身赛的代码实现。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

本项目可在 CPU 或 GPU 上运行，训练时间不超过 0.5 小时。

运行环境

• Ubuntu 22.04 LTS
• Python >= 3.7
• jittor >= 1.3.0

安装依赖

执行以下命令安装 jittor：

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

训练

运行以下命令进行训练并生成图像：

python3 CGAN.py [--n_epochs N_EPOCHS] [--batch_size BATCH_SIZE] [--lr LR] [--b1 B1] [--b2 B2]
                [--n_cpu N_CPU] [--latent_dim LATENT_DIM] [--n_classes N_CLASSES] 
                [--img_size IMG_SIZE] [--channels CHANNELS] [--sample_interval SAMPLE_INTERVAL]

命令行参数说明：

• n_epochs：训练的 epoch 数量，默认为 100。
• batch_size：训练的 batch 大小，默认为 64。
• lr：学习率，默认为 0.0002。
• b1：Adam 优化器的 beta1 参数，默认为 0.5。
• b2：Adam 优化器的 beta2 参数，默认为 0.999。
• n_cpu：使用的 CPU 核心数量，默认为 8。
• latent_dim：生成器的输入向量维度，默认为 100。
• n_classes：类别数量，默认为 10。
• img_size：生成图像的大小，默认为 32。
• channels：图像的通道数，默认为 1。
• sample_interval：每隔多少个 batch 保存一次生成的图像，默认为 1000。

生成图像

生成的数字图像

生成的特定数字

您需要生成的用户随机ID是：20566472051781。

致谢

本项目的代码主要参考了第四届计图人工智能挑战赛 示例代码。