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热身赛代码实现。本项目的特点是：采用了 conditionalGAN 方法对数字图片数据集 MNIST 处理，生成特定数字的图像。
Jittor安装框架见官网：https://cg.cs.tsinghua.edu.cn/jittor/
本项目可在 1 张 1660Ti 上运行，训练时间约为 30分钟。
执行以下命令安装 python 依赖
pip install -r requirements.txt
｜ 介绍模型训练的方法
Windows环境下使用PyCharm创建项目，将cGAN.py放入项目目录下，shift+F10运行即可。 Linux环境下使用如下命令运行程序：
python3 cGAN.py
本模型暂不支持结果推理。
此项目基于热身赛开源框架实现。
A Jittor implementation of Canditional GAN(CGAN).
Jittor 挑战热身赛 conditionalGAN
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热身赛代码实现。本项目的特点是：采用了 conditionalGAN 方法对数字图片数据集 MNIST 处理，生成特定数字的图像。
安装
Jittor安装框架见官网：https://cg.cs.tsinghua.edu.cn/jittor/
本项目可在 1 张 1660Ti 上运行，训练时间约为 30分钟。
运行环境
安装依赖
执行以下命令安装 python 依赖
训练
｜ 介绍模型训练的方法
Windows环境下使用PyCharm创建项目，将cGAN.py放入项目目录下，shift+F10运行即可。 Linux环境下使用如下命令运行程序：
推理
本模型暂不支持结果推理。
致谢
此项目基于热身赛开源框架实现。