Delete ‘ref.md’
本项目包含了第二届计图挑战赛计图 - 热身比赛的代码实现。本项目的特点是：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 6 小时。
执行以下命令安装 python 依赖
pip install -r requirements.txt
预训练模型模型下载地址为 https:abc.def.gh，下载后放入目录 <root>/ 下。
<root>/
## 训练 训练可运行以下命令：
python train.py
```
| 对参考的论文、开源库予以致谢，可选
此项目基于论文 Conditional Generative Adversarial Nets 实现，代码参考了 jittor-gan。
计图竞赛热身赛开源
Jittor 热身比赛 baseline
简介
本项目包含了第二届计图挑战赛计图 - 热身比赛的代码实现。本项目的特点是：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 6 小时。
运行环境
安装依赖
执行以下命令安装 python 依赖
预训练模型
预训练模型模型下载地址为 https:abc.def.gh，下载后放入目录
<root>/下。python train.py
```
致谢
| 对参考的论文、开源库予以致谢，可选
此项目基于论文 Conditional Generative Adversarial Nets 实现，代码参考了 jittor-gan。