Update .gitignore
Generative Adversarial Nets（GAN）提出了一种新的方法来训练生成模型：输入为一个 随机向量 z, 生成器 G输出一幅图像 G(z), 而判别器 D需要将真实图像 x与合成图像 G(z) 区分开来。然而，GAN 对于要生成的图片缺少控制。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。
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/
python CGAN.py
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
CGAN_jittor
Generative Adversarial Nets（GAN）提出了一种新的方法来训练生成模型：输入为一个 随机向量 z, 生成器 G输出一幅图像 G(z), 而判别器 D需要将真实图像 x与合成图像 G(z) 区分开来。然而，GAN 对于要生成的图片缺少控制。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。
Jittor安装
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/
使用
python CGAN.py