Update README.md
｜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 - 草图生成风景比赛的代码实现。本项目的特点是：采用了 XX 方法对 YY 处理，取得了 ZZ 的效果。
| 介绍基本的硬件需求、运行环境、依赖安装方法
本项目可在 2 张 2080 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>/weights/ 下。
<root>/weights/
| 介绍数据预处理方法，可选
将数据下载解压到 <root>/data 下，执行以下命令对数据预处理：
<root>/data
bash scripts/prepross.sh
｜ 介绍模型训练的方法
单卡训练可运行以下命令：
bash scripts/train.sh
多卡训练可以运行以下命令：
bash scripts/train-multigpu.sh
｜ 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：
bash scripts/test.sh
| 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。
cgan-addd
Jittor 手写数字生成比赛 cgan
｜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 - 草图生成风景比赛的代码实现。本项目的特点是：采用了 XX 方法对 YY 处理，取得了 ZZ 的效果。
安装
| 介绍基本的硬件需求、运行环境、依赖安装方法
本项目可在 2 张 2080 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>/weights/下。数据预处理
| 介绍数据预处理方法，可选
将数据下载解压到
<root>/data下，执行以下命令对数据预处理：训练
｜ 介绍模型训练的方法
单卡训练可运行以下命令：
多卡训练可以运行以下命令：
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：
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。