Add README
该项目使用 Jittor 机器学习框架,在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Confitional GAN 模型,并借此生成制定数字序列对应的图片。
代码仅由一个文件 CGAN.py 构成,包括了模型的定义、训练以及最终结果的输出的功能,原始代码框架来自gan-jittor/CGAN.py at master · Jittor/gan-jittor · GitHub
Jittor 框架目前支持 Linux 或 Windows,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,安装方法请参考安装教程。
代码的 201 行中的变量 number即为最终用于生成图片的序列,应为字符串类型,可以修改为任意数字,来改变最终生成的图片内容。
number
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
1 项目简介
1.1 功能介绍
该项目使用 Jittor 机器学习框架,在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Confitional GAN 模型,并借此生成制定数字序列对应的图片。
1.2 代码框架
代码仅由一个文件 CGAN.py 构成,包括了模型的定义、训练以及最终结果的输出的功能,原始代码框架来自gan-jittor/CGAN.py at master · Jittor/gan-jittor · GitHub
2 使用方法
2.1 Jittor 安装
Jittor 框架目前支持 Linux 或 Windows,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,安装方法请参考安装教程。
2.2 更改生成序列
代码的 201 行中的变量
number
即为最终用于生成图片的序列,应为字符串类型,可以修改为任意数字,来改变最终生成的图片内容。