Conditional GAN

本项目使用了清华大学开源代码框架Jittor，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。

项目框架

├── CGAN.py ├── discriminator_last.pkl ├── generator_last.pkl ├── result.png ├── 0.png ├── 1000.png ├── 2000.png …… ├── 93000.png

其中 CGAN.py 为模型和训练函数的Python代码 0.png到93000.png存储了训练时生成的样例图片 discriminator_last.pkl和generator_last.pkl为序列化对象的存储 result.png为最终生成的结果

项目部署

python                 3.12.0
numpy                 1.26.4
jittor                    1.3.8.5

本次项目在windows 10环境下运行 jittor的安装可参考https://cg.cs.tsinghua.edu.cn/jittor/tutorial/

使用说明

项目部署好之后，直接运行CGAN.py文件即可

生成示例

如项目内result.png所示