Update README.md
| 第二届计图挑战赛开源模板
| 标题名称包含赛题、方法
｜展示方法的流程特点或者主要结果等
| 简单介绍项目背景、项目特点
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：采用了CGAN方法对 手写数字 处理，取得了 输入数字标签生成手写数字图 的效果。
| 介绍基本的硬件需求、运行环境、依赖安装方法
本项目在1 张 3050 上运行，训练时间约为 20分钟。
执行以下命令安装 python 依赖
sudo apt install python3.7-dev libomp-dev python3.7 -m pip install jittor # or install from github(latest version) # python3.7 -m pip install git+https://github.com/Jittor/jittor.git python3.7 -m jittor.test.test_example
该代码将训练和评估放在一起，训练好后将训练代码注释掉即可
| 介绍数据预处理方法，可选
使用数据为MNIST，直接会从网上下载
｜ 介绍模型训练的方法
训练部分已经标注训练注释
｜ 介绍模型推理、测试、或者评估的方法
生成测试集上的结果可以运行以下命令： 生成的图片可以直接在代码所在文件夹找到
| 对参考的论文、开源库予以致谢，可选
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。
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。
该项目以JITTOR框架为深度学习模型构建框架，编写了CGAN模型，基于MNIST进行训练，生成对应给定数字的手写数字图片
数据集
jittor-CGAN
| 第二届计图挑战赛开源模板
Jittor 热身赛 baseline
| 标题名称包含赛题、方法
｜展示方法的流程特点或者主要结果等
简介
| 简单介绍项目背景、项目特点
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：采用了CGAN方法对 手写数字 处理，取得了 输入数字标签生成手写数字图 的效果。
安装
| 介绍基本的硬件需求、运行环境、依赖安装方法
本项目在1 张 3050 上运行，训练时间约为 20分钟。
运行环境
安装依赖
执行以下命令安装 python 依赖
预训练模型
该代码将训练和评估放在一起，训练好后将训练代码注释掉即可
数据预处理
| 介绍数据预处理方法，可选
使用数据为MNIST，直接会从网上下载
训练
｜ 介绍模型训练的方法
训练部分已经标注训练注释
推理
｜ 介绍模型推理、测试、或者评估的方法
生成测试集上的结果可以运行以下命令： 生成的图片可以直接在代码所在文件夹找到
致谢
| 对参考的论文、开源库予以致谢，可选
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。
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。