Jittor_implementation_of_Conditional_GAN

1. 关于Jittor

Jittor，中文名为“计图”，发布于2020年3月20日。 是一个基于元算子和统一计算图的深度学习框架。 在多种应用中，相比国际主流平台，性能得到大幅提升。

目前支持：30+骨干网络，27种主流GAN模型，数十种图像实例分割模型，5种点云网络模型，数十种种检测模型，提供可微渲染功能，…

• 以GAN模型库举例（JGAN)：
  • 所有模型速度比PyTorch均得到提升
  • 半数模型性能提升超过一倍

2. 关于conditional GAN

通过在生成器generator和判别器discriminator中添加相同的额外信息y，GAN就可以扩展为一个conditional模型。y可以是任何形式的辅助信息，例如类别标签或者其他形式的数据。我们可以通过将y作为额外输入层，添加到生成器和判别器来完成条件控制。

在生成器generator中，除了y之外，还额外输入随机一维噪声z，为结果生成提供更多灵活性。

本项目是基于 Jittor 框架实现的 conditional-GAN在MNIST数据集的训练

3. 运行方式

1. 配置环境–安装Jittor。 可参考以下链接 https://www.gitlink.org.cn/competitions/index/Jittor-4

2. clone 代码，通过 python CGAN.py 即可运行。 最后的 result.png 是您所学习的模型对您在 202 行输入的字符串格式的数字串的生成结果。

4. 参考资料

• https://cg.cs.tsinghua.edu.cn/jittor/tutorial/2020-5-13-22-47-cgan/#%E4%BD%BF%E7%94%A8jittor%E5%AE%9E%E7%8E%B0conditional-gan