CGAN_jittor

简介

本项目基于 Jittor，实现了一个 Conditional GAN（CGAN），可以进行手写数字数据集的识别与生成（MNIST）。

安装

版本依赖

本项目需要以下版本的依赖项：

• Python >= 3.10
• Jittor >= 1.2.3
• CUDA >= 11.0 （如果使用 GPU 加速） or Optix（需要手动处理依赖关系）
• 其他依赖项请参见 environment.yml 文件

请按照以下步骤安装依赖项：

conda install environment.yml

注意事项

1. 请确保您的系统已经安装了 CUDA，并且 CUDA 的版本与您的 GPU 驱动程序兼容。
2. 如果您使用的是 Windows 系统，建议使用 Anaconda 提供的终端（如 Anaconda Prompt）来执行安装命令。
3. 在安装过程中，如果遇到任何问题，请参考 environment.yml 文件中的依赖项版本，并尝试手动安装这些依赖项。
4. 如果使用 CPU 计算，可以忽略 CUDA 的安装过程
5. Jittor 的安装可能需要手动执行，不同的系统有不同的安装方式，详见Jittor Installation

使用方法

运行以下命令以训练模型：

python CGAN.py

可选参数

在训练和生成过程中，您可以使用以下可选参数：

训练参数

• --epochs：训练的轮数（默认值：50）
• --batch_size：每个批次的样本数量（默认值：64）
• --img_size：图片尺寸（默认值：32）
• --sample_interval：保存训练结果图片的间隔（默认值：1000）

示例：

python CGAN.py --epochs 100 --batch_size 128 --img_size 28 --sample_interval 500

目录结构

CGAN_jittor/
├── CGAN.py
├── environment.yml     # 依赖配置文件
├── .gitignore
└── README.md

参考文献

• Jittor
• Conditional Generative Adversarial Nets

许可证

本项目采用 MIT 许可证，详情请参见 LICENSE 文件。