ADD file via upload
Generative Adversarial Nets（GAN）提出了一种新的方法来训练生成模型：输入为一个随机向量z, 生成器G 输出一幅图像 G(z), 而判别器 D 需要将真实图像 x 与合成图像 G(z) 区分开来。然而，GAN 对于要生成的图片缺少控制。Conditional GAN（CGAN）通过添加显式的条件或标签，来控制生成的图像。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。
我们的实验依赖于 Jittor，因此您需要安装 Jittor。Jittor 框架目前支持Linux 或Windows，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，具体安装教程请参考： https://cg.cs.tsinghua.edu.cn/jittor/download/
您只需按您平时运行 python 文件的方式运行 CGAN.py 即可。
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
CGAN_jittor
项目简述
Generative Adversarial Nets（GAN）提出了一种新的方法来训练生成模型：输入为一个随机向量z, 生成器G 输出一幅图像 G(z), 而判别器 D 需要将真实图像 x 与合成图像 G(z) 区分开来。然而，GAN 对于要生成的图片缺少控制。Conditional GAN（CGAN）通过添加显式的条件或标签，来控制生成的图像。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。
安装依赖
我们的实验依赖于 Jittor，因此您需要安装 Jittor。Jittor 框架目前支持Linux 或Windows，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，具体安装教程请参考： https://cg.cs.tsinghua.edu.cn/jittor/download/
运行方式
您只需按您平时运行 python 文件的方式运行 CGAN.py 即可。