CGAN_jittor

项目简介

本项目基于 Jittor 框架实现了 Conditional GAN（条件生成对抗网络），旨在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。该项目利用 MNIST 数字图片数据集进行训练。

项目动机

生成对抗网络（GAN）是一种强大的生成模型，它可以从随机噪声中生成逼真的图像。在实际应用中，我们常常需要控制生成图像的一些特征，比如生成特定类别的图像。Conditional GAN（条件生成对抗网络）便是为了解决这个问题而提出的。

解决的问题

Conditional GAN 模型可以生成特定类别的图像，例如生成 MNIST 数据集中特定数字的图像。

学习到的经验

通过这个项目，学习了如何使用 Jittor 框架实现生成对抗网络，以及如何在训练过程中控制生成图像的类别信息。

项目亮点

• 使用 Jittor 框架实现，简洁高效。
• 可以生成特定类别的数字图像，具有一定的控制能力。

如何使用

1. 安装 Jittor 框架。
2. 下载并准备 MNIST 数据集。
3. 运行 CGAN.py 文件进行模型训练和测试。

项目结构

• CGAN.py: 模型+训练代码
• result.png: 生成的结果图

许可

本项目采用 MIT 许可证。