CGAN_jittor

本项目旨在使用 Jittor 深度学习框架，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 Conditional GAN 模型，生成指定数字序列对应的图片。

环境配置

Jittor 框架目前支持 Linux 或 Windows(包括 WSL)，mac 系统请安装虚拟机解决。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。 具体安装要求请参考：https://www.gitlink.org.cn/competitions/index/Jittor-5 简单配置与测试方法：

git clone https://github.com/Jittor/jittor.git
pip install ./jittor
export cc_path="g++"
python -m jittor.test.test_example

运行方式

在项目的根目录下运行python CGAN.py，如果你已经配置好了jittor环境，程序会开始训练，并在每一轮epoch结束后输出损失值。训练过程中会保存训练得到的图片，最终程序会根据你输入的字符串生成对应的数字并以result.png的格式保存。

生成的图片与模型

笔者运行此项目得到的结果：https://cloud.tsinghua.edu.cn/d/513bfc27b7544ebab79d/ 你可以直接使用里面已经训练好的模型进行测试。