You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
1.4 KiB
1.4 KiB
CGAN
- A Jittor implementation of Conditional Generative Adversarial Networks (CGAN) to generate digit images based on the MNIST dataset. This project is designed to demonstrate the use of conditional GANs to control image generation processes through explicit conditions or labels.
项目介绍
- Conditional GAN (CGAN) 是一个利用条件或标签控制生成过程的生成对抗网络。在本项目中，我们利用 Jittor 框架在 MNIST 数字图像数据集上训练 CGAN 模型，以生成指定数字序列对应的图像。
环境要求
Python 3.x
Jittor 框架
NumPy
PIL (Python Imaging Library)
安装指南
- 请按照以下步骤在您的机器上配置和运行 CGAN 模型：
- 安装 Jittor:
- 参考 Jittor 官方安装指南: Jittor Installation
- 克隆仓库:
git clone https://www.gitlink.org.cn/username/CGAN_jittor.git
cd CGAN_jittor
- 安装依赖:
pip install -r requirements.txt
使用方法
- 要训练并使用 CGAN 模型生成图像，请运行以下命令：
python CGAN.py
- 您可以通过编辑 CGAN.py 文件中的参数来调整模型配置，如训练周期、批量大小等。
示例输出
- 训练过程中，模型会定期生成数字图像，并保存在项目目录下。最终输出的图像会保存为 result.png，展示了指定数字序列对应的图像。