Update README.md
| 第二届计图挑战赛
第二届计算热身赛——以GAN为框架的手写数字图像生成 本赛道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。 本项目包含了第二届计图挑战赛计图 - 热身赛比赛的代码实现。本项目的特点是：采用了CGAN网络方法对MNIST数据集处理，取得了生成特点手写数字的的效果。
执行以下命令安装 python 依赖
pip install -r requirements.txt
python CGAN.py
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，部分代码参考了 jittor-gan。
Handwritten digit implementation based on Jittor deep learning framework
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
| 第二届计图挑战赛
Jittor 计算热身手写图像生成 JNeRF
简介
第二届计算热身赛——以GAN为框架的手写数字图像生成
本赛道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。
本项目包含了第二届计图挑战赛计图 - 热身赛比赛的代码实现。本项目的特点是：采用了CGAN网络方法对MNIST数据集处理，取得了生成特点手写数字的的效果。
安装
运行环境
安装依赖
执行以下命令安装 python 依赖
训练
致谢
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，部分代码参考了 jittor-gan。