Jittor Condition GAN

A Jittor implementation of Conditional GAN (CGAN)

简介

在 Jittor 框架中使用数字图片数据集 MNIST 训练 Conditional GAN 模型

模型可以根据随机噪声向量 noise 与数字标签向量 labels 生成手写数字图像

安装

pip install jittor

更多安装信息请参考 Jittor 官方文档

训练

python CGAN.py

在 WSL2 上纯 CPU 以默认配置训练 100 个 epoch 约需要 1 小时

每进行 10 个 epoch 会导出一次模型参数到 generator_last.pkl 与 discriminator_last.pkl 文件

每进行 1,000 步迭代会生成一张手写数字图像到 sample/${iter_times}.png 文件

更多参数配置请参考请使用 --help 参数查看

python CGAN.py --help

测试

生成 13655371364417 的手写数字图像，输出到 output.png

python CGAN.py --no-train --test-number 13655371364417 # my magic number

参考资料

CGAN.py 基于 Jittor: JGAN 提供的模板 修改