Update README.md
| 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-挑战热身赛：MNIST手写数字生成的代码实现。根据官方提供的BaseLine补充部分代码。具体方法： 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3090 上运行，训练时间约为 20分钟。
python >= 3.7
jittor >= 1.3.0
jittor安装方法：https://www.educoder.net/competitions/index/Jittor-3
执行以下命令安装 python 依赖
pip install -r requirements.txt
python CGAN.py
生成的结果保存在result.png文件
本项目包含了第二届计图挑战赛计图挑战热身赛的代码实现。
Jittor 挑战热身赛-MNIST手写数字生成
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-挑战热身赛：MNIST手写数字生成的代码实现。根据官方提供的BaseLine补充部分代码。具体方法： 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3090 上运行，训练时间约为 20分钟。
运行环境
python >= 3.7
jittor >= 1.3.0
jittor安装方法：https://www.educoder.net/competitions/index/Jittor-3
安装依赖
执行以下命令安装 python 依赖
训练
结果
生成的结果保存在result.png文件