CGAN_jittor

条件生成对抗网络（Conditional GAN）在MNIST数据集上的应用

本项目使用条件生成对抗网络（Conditional GAN, CGAN）在MNIST手写数字数据集上训练模型，通过输入随机噪声和类别标签，生成特定类别的数字图像。

目录结构

├── CGAN.py         // 模型与训练代码
├── result.png      // 生成的结果图像

环境要求

• 操作系统: Windows/Linux
• 编程语言: Python 3.8+
• 主要依赖:
  • Jittor 1.3
  • NumPy
  • Pillow (PIL)

安装依赖

建议使用虚拟环境来管理项目依赖。以下是使用 pip 安装所需依赖的步骤：

# 创建虚拟环境
python3 -m venv cgan_env

# 激活虚拟环境
# Windows
cgan_env\Scripts\activate
# Linux/MacOS
source cgan_env/bin/activate

# 升级pip
pip install --upgrade pip

# 安装依赖
pip install jittor numpy pillow

使用说明

训练模型

运行 CGAN.py 脚本以开始训练条件生成对抗网络模型。训练过程中，模型会定期保存生成的图像和模型参数。

python CGAN.py

生成图像

训练完成后，脚本会根据指定的随机ID生成对应的数字图像，并保存在 result 目录下的 result.png 文件中。