ADD file via upload
本项目包含了第四届计图人工智能挑战赛热身赛的代码实现。本项目的特点是：利用jittor框架实现Conditional GAN（Conditional Generative Adversarial Nets）对一个随机向量 z 和额外辅助信息 y 进行处理，生成特定数字的图像。
这里给出了Windows操作系统运行本项目的运行环境需求：
首先，您可能需要在CGAN.py同目录下新建两个文件夹，分别命名为“models”和“train_img”，用来储存代码运行过程中生成的中间文件。
然后可运行以下命令：
python CGAN.py
运行项目后会在models文件夹下生成模型文件（.pkl），以及在train_img文件夹下生成中间生成图片(.png)
最后在CGAN.py同目录下生成result.png
您可以修改CGAN.py当中的number变量以生成您需要的手写数字序列图片，例如：
number = '123456'
此项目基于比赛官方提供的框架代码实现，部分代码参考了项目jittor–Amfeng—。
A Jittor implementation of Conditional GAN (CGAN).
Jittor 第四届计图挑战热身赛
简介
本项目包含了第四届计图人工智能挑战赛热身赛的代码实现。本项目的特点是：利用jittor框架实现Conditional GAN（Conditional Generative Adversarial Nets）对一个随机向量 z 和额外辅助信息 y 进行处理，生成特定数字的图像。
运行环境
这里给出了Windows操作系统运行本项目的运行环境需求：
运行项目
首先，您可能需要在CGAN.py同目录下新建两个文件夹，分别命名为“models”和“train_img”，用来储存代码运行过程中生成的中间文件。
然后可运行以下命令：
项目生成结果
运行项目后会在models文件夹下生成模型文件（.pkl），以及在train_img文件夹下生成中间生成图片(.png)
最后在CGAN.py同目录下生成result.png
您可以修改CGAN.py当中的number变量以生成您需要的手写数字序列图片，例如：
致谢
此项目基于比赛官方提供的框架代码实现，部分代码参考了项目jittor–Amfeng—。