CGAN 生成手写

简述

这是计算机图形学作业的PA3 + 计图热身赛，利用CGAN实现一个手写数字生成的实现。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，并生成比赛页面指定数字序列。

安装

安装JITTOR即可

运行

python CGAN.py

可以通过一下命令行参数指定模型参数

parser.add_argument('--n_epochs', type=int, default=100, help='number of epochs of training')
parser.add_argument('--batch_size', type=int, default=64, help='size of the batches')
parser.add_argument('--lr', type=float, default=0.0002, help='adam: learning rate')
parser.add_argument('--b1', type=float, default=0.5, help='adam: decay of first order momentum of gradient')
parser.add_argument('--b2', type=float, default=0.999, help='adam: decay of first order momentum of gradient')
parser.add_argument('--n_cpu', type=int, default=8, help='number of cpu threads to use during batch generation')
parser.add_argument('--latent_dim', type=int, default=100, help='dimensionality of the latent space')
parser.add_argument('--n_classes', type=int, default=10, help='number of classes for dataset')
parser.add_argument('--img_size', type=int, default=32, help='size of each image dimension')
parser.add_argument('--channels', type=int, default=1, help='number of image channels')
parser.add_argument('--sample_interval', type=int, default=1000, help='interval between image sampling')

代码框架

感谢清华大学计算机图形学PA3 提供的代码框架