Update README.md
使用 Jittor 机器学习框架，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，生成指定数字序列对应的图片。
在Ubuntu 20.04下执行： git clone https://github.com/Jittor/jittor.git pip install ./jittor export cc_path="g++" python3 -m jittor.test.test_example 完成后输入： python3 CGAN.py 即可开始训练。 训练完成后，可以根据需求修改number参数，打印出自己需要的内容，例如：自己的学号、电话号码等。
git clone https://github.com/Jittor/jittor.git pip install ./jittor export cc_path="g++" python3 -m jittor.test.test_example
python3 CGAN.py
本实验代码框架来源于清华大学计算机系课程《计算机图形学基础》
Jittor机器学习框架，可以在数字图片数据集 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，生成指定数字序列对应的图片。
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
图形学实验 PA3：Conditional GAN
简述
使用 Jittor 机器学习框架，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，生成指定数字序列对应的图片。
使用方法
在Ubuntu 20.04下执行：
git clone https://github.com/Jittor/jittor.git pip install ./jittor export cc_path="g++" python3 -m jittor.test.test_example完成后输入：python3 CGAN.py即可开始训练。 训练完成后，可以根据需求修改number参数，打印出自己需要的内容，例如：自己的学号、电话号码等。说明
本实验代码框架来源于清华大学计算机系课程《计算机图形学基础》