Update README.md
这是训练400轮后生成的数字
本项目包含了第三届计图挑战赛热身赛——Conditional GAN生成手写数字的代码实现。本项目的特点是：训练与生成合并为一个文件，结构简单，能在大部分环境下运行。
如需生成不同数字，只需要更改CGAN.py文件中的number变量即可。
本项目可在NVIDIA rtx2060上运行，训练时间约为1.5 小时。
亦可在CPU上训练，无其他特殊需求。
运行以下命令：
python CGAN.py
推理同训练，运行以下命令在当前目录生成结果图片
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。
A Jittor implementation of Conditional GAN (CGAN).
第三届计图挑战赛热身赛——Conditional GAN生成数字图像
这是训练400轮后生成的数字
简介
本项目包含了第三届计图挑战赛热身赛——Conditional GAN生成手写数字的代码实现。本项目的特点是：训练与生成合并为一个文件，结构简单，能在大部分环境下运行。
如需生成不同数字，只需要更改CGAN.py文件中的number变量即可。
安装
本项目可在NVIDIA rtx2060上运行，训练时间约为1.5 小时。
亦可在CPU上训练，无其他特殊需求。
运行环境
训练
运行以下命令：
推理
推理同训练，运行以下命令在当前目录生成结果图片
致谢
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。