修正readme
项目名：CGAN_jittor 清华大学 张思源 计算机科学与技术系 2020010895
项目简介：A Jittor implementation of Conditional GAN (CGAN) 本项目为计算机系图形学课程PA3作业，同时也是第二届计图人工智能挑战赛热身赛部分的代码。关于挑战赛可以在https://www.educoder.net/competitions/index/Jittor-3 网址查看更多信息。 代码参考了https://github.com/Jittor/gan-jittor/blob/master/competition/warm_up_comp/CGAN.py 文件。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。
项目语言: Jittor，python
Jittor安装方式：参考https://cg.cs.tsinghua.edu.cn/jittor/download/ 网站进行安装 具体而言，以windows系统为例： python –version # 检查python版本大于等于3.8 python -m pip install jittor python -m jittor.test.test_core python -m jittor.test.test_example python -m jittor.test.test_cudnn_op #如果使用CUDA利用GPU训练则需要执行这一行命令
代码运行方法： 直接在命令行中执行python CGAN.py即可开始训练并输出结果。 最终的输出结果保存在result.png；代码运行过程中还会输出若干张png图像展示训练过程；训练参数最终将保存在discriminator_last.pki和generator_last.pki中。 代码的第13行更改default值可更改训练轮数（还可以更改其他超参数达到不同训练效果）；第199行更改number值可以更改输出图像内的数字序列。
注.gitLink上仅上传代码原码文件，并未包括生成的图像和训练参数。
A Jittor implementation of Conditional GAN (CGAN).
项目名：CGAN_jittor 清华大学 张思源 计算机科学与技术系 2020010895
项目简介：A Jittor implementation of Conditional GAN (CGAN) 本项目为计算机系图形学课程PA3作业，同时也是第二届计图人工智能挑战赛热身赛部分的代码。关于挑战赛可以在https://www.educoder.net/competitions/index/Jittor-3 网址查看更多信息。 代码参考了https://github.com/Jittor/gan-jittor/blob/master/competition/warm_up_comp/CGAN.py 文件。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。
项目语言: Jittor，python
Jittor安装方式：参考https://cg.cs.tsinghua.edu.cn/jittor/download/ 网站进行安装 具体而言，以windows系统为例： python –version # 检查python版本大于等于3.8 python -m pip install jittor python -m jittor.test.test_core python -m jittor.test.test_example python -m jittor.test.test_cudnn_op #如果使用CUDA利用GPU训练则需要执行这一行命令
代码运行方法： 直接在命令行中执行python CGAN.py即可开始训练并输出结果。 最终的输出结果保存在result.png；代码运行过程中还会输出若干张png图像展示训练过程；训练参数最终将保存在discriminator_last.pki和generator_last.pki中。 代码的第13行更改default值可更改训练轮数（还可以更改其他超参数达到不同训练效果）；第199行更改number值可以更改输出图像内的数字序列。
注.gitLink上仅上传代码原码文件，并未包括生成的图像和训练参数。