CGAN_jittor

简介

在数字图片数据集 MNIST 上训练 Conditional GAN（Conditional generative adversarial nets）模型，通过输入一个随机向量 z 和额外的辅助信息 y (如类别标签)，生成特定数字的图像。

运行

本项目可在 1 张 RTX 3070Ti Laptop 上运行，训练时间约为15分钟。

运行环境

• windows 11
• python >= 3.8
• jittor >= 1.3.0
• CUDA 12.5

安装依赖

pip install jittor

训练

修改CGAN.py里的number变量值，运行CGAN.py即可生成指定手写数字

可运行以下命令进行训练

python CGAN.py

可以使用命令行参数指定超参数，如：训练轮数、分批大小、学习率、Adam优化器设置等。

如果有CUDA环境，会自动尝试使用GPU训练模型；否则在CPU上训练。

致谢

基于计图官方示例代码填充注释为TODO的部分完成