ADD file via upload
| 第四届计图挑战赛开源模板
本赛道将在数字图片数据集 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。
本项目包含了第四届计图挑战赛计图 - Jittor热身赛生成特点数字的图像。本项目的特点是：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。
| 介绍基本的硬件需求、运行环境、依赖安装方法
执行以下命令安装 python 依赖
pip install -r requirements.txt
下载地址：https://github.com/Jittor/gan-jittor
在Pycharm中直接运行程序训练
| 对参考的论文、开源库予以致谢 部分代码参考了 jittor-gan。
| 第四届计图挑战赛开源模板
Jittor热身赛生成特点数字的图像
简介
本赛道将在数字图片数据集 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。
本项目包含了第四届计图挑战赛计图 - Jittor热身赛生成特点数字的图像。本项目的特点是：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。
安装
| 介绍基本的硬件需求、运行环境、依赖安装方法
运行环境
安装依赖
执行以下命令安装 python 依赖
预训练模型
下载地址：https://github.com/Jittor/gan-jittor
训练
在Pycharm中直接运行程序训练
致谢
| 对参考的论文、开源库予以致谢 部分代码参考了 jittor-gan。