Update README.md
本项目包含了第二届计图挑战赛计图 - 热身赛的代码实现。本项目的特点是：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。
https://cg.cs.tsinghua.edu.cn/jittor/assets/build/DockerToolbox-19.03.1.exe 下载DockerToolbox的Windows安装程序，遵循指令安装即可。 安装完成后，启动docker quick start terminal 自动下载boot2docker镜像
在power shell里运行如下命令 docker run jittor/jittor python3.7 -m jittor.test.test_example
启动一个notebook serve从命令行里面运行如下命令 docker run -it -p 8888:8888 jittor/jittor 将输出的链接地址（http://192.168.99.100:8888/?token=xxxx）复制到浏览器打开
选择上传CGAN.py文件
无
｜ 介绍模型训练的方法 运行所给模型
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。
点击项目的“设置”，在Description一栏中添加项目描述，需要包含“jittor”字样。同时在Topics中需要添加jittor。
Jittor 热身赛
Jittor 热身赛
简介
本项目包含了第二届计图挑战赛计图 - 热身赛的代码实现。本项目的特点是：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。
安装
https://cg.cs.tsinghua.edu.cn/jittor/assets/build/DockerToolbox-19.03.1.exe 下载DockerToolbox的Windows安装程序，遵循指令安装即可。 安装完成后，启动docker quick start terminal 自动下载boot2docker镜像
在power shell里运行如下命令 docker run jittor/jittor python3.7 -m jittor.test.test_example
启动一个notebook serve从命令行里面运行如下命令 docker run -it -p 8888:8888 jittor/jittor 将输出的链接地址（http://192.168.99.100:8888/?token=xxxx）复制到浏览器打开
选择上传CGAN.py文件
运行
运行环境
运行命令
在打开的jupyter链接中使用如下命令 %run CGAN.py 待执行结束之后有安装依赖
docker tool 安装jittor预训练模型
无
训练
｜ 介绍模型训练的方法 运行所给模型
推理
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。
注意事项
点击项目的“设置”，在Description一栏中添加项目描述，需要包含“jittor”字样。同时在Topics中需要添加jittor。