CGAN_jittor

基于 Jittor 框架实现的 Conditional GAN (CGAN)，使用 MNIST 数据集。

项目依赖

本项目依赖于 Jittor 框架。可以简单地使用 pip 进行安装：

python3 -m pip install jittor

详细安装说明请参考 Jittor安装说明 。

注意：Jittor 在 Windows 下要求 Python 版本至少为3.8。

运行项目

直接运行：

python3 CGAN.py

指定参数：

python3 CGAN.py --n_epochs 50 --lr 0.0001

全部可用参数：

--n_epochs        # 训练轮数，默认100
--batch_size      # batch大小，默认64
--lr              # 学习率，默认0.0002
--b1              # Adam优化器的beta参数，默认0.5
--b2              # Adam优化器的beta参数，默认0.999
--latent_dim      # 隐空间维度数，默认100
--n_classes       # 数据集分类数，默认10
--img_size        # 图像大小，默认32
--channel         # 图像通道数，默认1
--sample_interval # 训练效果取样间隔，默认1000

如要生成不同的数字序列，请修改 CGAN.py 文件第222行处的 number 变量：

number = '18712345678'

TIPS： 代码运行时会将训练好的网络参数保存在 generator_last.pkl 和 discriminator_last.pkl 中，若希望不进行训练而直接生成图像，将 n_epochs 参数设为0即可，代码会跳过训练过程而直接加载保存的网络参数进行生成。