Update README.md
本项目是北京理工大学”BIT2024”队参加第四届计图人工智能挑战赛热身赛时所使用的代码。在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的Conditional GAN模型，并生成下方给定用户随机ID对应的数字图片结果。 20145792009834
安装 本项目可在1张RTX TITAN上运行。
运行环境 Ubuntu 18.04 LTS python >= 3.7 jittor >= 1.3.0 安装依赖 执行以下命令安装 python 依赖 pip install jittor
训练 运行以下命令： python CGAN.py 即可在同一目录下进行训练并生成 result.png
致谢 感谢jittor官方提供的示例代码,基于示例代码填充注释为 TODO 的部分完成了该赛题
将在数字图片数据集 MNIST 上训练 Conditional GAN（Conditional generative adversarial nets）模型，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。
数据集
本项目是北京理工大学”BIT2024”队参加第四届计图人工智能挑战赛热身赛时所使用的代码。在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的Conditional GAN模型，并生成下方给定用户随机ID对应的数字图片结果。 20145792009834
安装 本项目可在1张RTX TITAN上运行。
运行环境 Ubuntu 18.04 LTS python >= 3.7 jittor >= 1.3.0 安装依赖 执行以下命令安装 python 依赖 pip install jittor
训练 运行以下命令： python CGAN.py 即可在同一目录下进行训练并生成 result.png
致谢 感谢jittor官方提供的示例代码,基于示例代码填充注释为 TODO 的部分完成了该赛题