Update README.md
| 第三届计图挑战赛
本项目主要基于第三届计图挑战赛热身赛中的示例代码进行实现的，本项目主要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。赛题内容为利用训练好的Conditional GAN模型生成给定用户随机ID对应的数字图片结果。本项目的用户随机ID是：13693941368261
执行以下命令安装 python 依赖
pip install jittor
参考Jittor官网：Jittor(计图): 即时编译深度学习框架 — Jittor (tsinghua.edu.cn)
无
训练可运行以下命令：
python CGAN.py
完成训练后会在根目录生成result.png
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-cgan。
Jittor Conditional GAN on MINST
| 第三届计图挑战赛
Jittor 挑战热身赛 Conditional GAN
简介
本项目主要基于第三届计图挑战赛热身赛中的示例代码进行实现的，本项目主要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。赛题内容为利用训练好的Conditional GAN模型生成给定用户随机ID对应的数字图片结果。本项目的用户随机ID是：13693941368261
安装
运行环境
安装依赖
执行以下命令安装 python 依赖
参考Jittor官网：Jittor(计图): 即时编译深度学习框架 — Jittor (tsinghua.edu.cn)
预训练模型
无
训练
训练可运行以下命令：
推理
完成训练后会在根目录生成result.png
致谢
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-cgan。