CGAN_Jittor_implementation

计14 马睿杰 2021010766

一、项目简介：

本项目是利用 jittor 框架实现的CGAN(conditional Generative Adversarial Networks)网络模型,其主要模拟训练并生成的是手写的 0-9 十个阿拉伯数字，并且利用这些对应生成的仿真数字形成一个指定的数字序列。Conditional GAN（CGAN）通过添加显式的条件或标签，来控制生成的图像。

选用 jittor 平台能够使得图形学需要的对应 pytorch 模型性能更好，并且能更为方便地管理显卡设备。

二、依赖安装：

在以下网址进行 jittor 平台的安装，需要注意对 python 版本有一定限制。

https://cg.cs.tsinghua.edu.cn/jittor/download/

三、运行方式：

首先，clone该库后请对 CGAN.py 中的 number 变量进行修改从而生成指定的数字序列。

在安装依赖后在根目录下运行(Windows系统)

python CGAN.py

获得训练的模型文件 discriminator_last.pkl 和 generator_last.pkl 文件，以及若干训练中间文件和最终的结果 result.png，在获得这些模型后，你可以注释掉 CGAN.py 中标识的训练过程直接进行数字序列的生成。

你还可以通过修改命令行参数来对训练模型的过程进行控制。具体对应请通过查看文件或输入 help 选项查看。