Update README.md
本项目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。
本项目可在 1 张 TiTan RTX 上运行，训练时间约为 15 分钟。
执行以下命令安装 python 依赖
python3.7 -m pip install jittor
在vscode中运行CGAN.py即可 代码中训练的epoch，batch_size等参数可根据需求自行更改 最终的输出结果会以result.png形式呈现
输入需要生成的用户随机ID后，确保程序能够正确生成结果，且生成的结果图result.png能够被判定为随机ID即为通过
此项目基于计图官方提供的示例代码，填充注释为TODO的部分完成
第三届Jittor人工智能算法挑战赛热身赛
简介
本项目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。
安装
本项目可在 1 张 TiTan RTX 上运行，训练时间约为 15 分钟。
运行环境
安装依赖
执行以下命令安装 python 依赖
训练
在vscode中运行CGAN.py即可 代码中训练的epoch，batch_size等参数可根据需求自行更改 最终的输出结果会以result.png形式呈现
推理
输入需要生成的用户随机ID后，确保程序能够正确生成结果，且生成的结果图result.png能够被判定为随机ID即为通过
致谢
此项目基于计图官方提供的示例代码，填充注释为TODO的部分完成