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.
applezyh 87d2086ce6 Update README.md 6 days ago
CGAN add CGAN model; README; result images 6 days ago
image add CGAN model; README; result images 6 days ago
.gitignore add CGAN model; README; result images 6 days ago
LICENSE Initial commit 6 days ago
README.md Update README.md 6 days ago

README.md

利用jittor框架搭建CGAN神经网络用于条件图片生成

背景简介

本项目基于jittor框架完成,jittor深度学习框架是一款由清华大学胡事民教授团队主导开发的开源深度学习框架。随着不断的版本更新,目前jittor框架功能完善,社区活跃,是一款简单易上手的国产深度学习框架,想要进一步了解关于jittor的详细内容,可以访问其官方网站

项目简介

​ 本项目基于jittor框架搭建CGAN(Conditional GAN)神经网络用于生成手写数字图片,本项目利用MNIST手写数字数据集对模型进行训练,最终实现的效果为输入对应数字,模型将根据输入数字的值生成对应的手写数字图片。

CGAN模型训练and测试代码:/CGAN/CGAN.py

测试结果图片:image/

模型设计

CGAN模型总体结构与传统的GAN网络类似,分为生成器模型和判别器模型,生成器作用为生成对应的图片,判别器的作用为给定一张图片,判别器判断图片的质量。

CGAN与传统GAN不同点在于,传统的GAN网络中生成器没有输入,生成器仅根据随机数据去进一步生成图片,由于没有输入控制,传统GAN生成的图片都是随机的。CGAN则对生成器增加了约束,CGAN中生成器会将类别标签(比如手写数字中的数字)作为输入,从而生成对应类别的图片,这样我们就可以人为控制GAN模型的输出类别了。

结果测试

以0-9数字作为输入观察输出结果:

以随机数字作为输入观察结果:

由于算力限制,训练次数较少模型未完全收敛,故效果不佳在此仅作展示。

总结

jittor是一款非常优秀的国产深度学习框架,使用体验上API与pytorch类似非常容易上手,而且其底层貌似采用的是计算图编译的运行方式,在编译阶段会进行很多优化,效率上更加优秀。