Update README.md
程序运行结果：
本项目包含了第二届计图挑战赛计图 - 草图生成风景比赛的代码实现。本项目的特点是：采用了CGAN方法对MNIST数据集处理，取得了生成指定手写数字图片的效果。
python -m pip install jittor 测试是否可用 python -m jittor.test.test_core python -m jittor.test.test_example 本项目可在 1 张 RTX4000 上运行。
windows 10 python >= 3.8 jittor >= 1.3.0
无
使用Jittor内嵌的MNIST数据集，无需下载预处理，直接程序加载。
python CGAN.py
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。
采用jittor框架、基于cgan的手写数字图像生成。
Jittor 手写数字生成比赛 CGAN
程序运行结果：
简介
本项目包含了第二届计图挑战赛计图 - 草图生成风景比赛的代码实现。本项目的特点是：采用了CGAN方法对MNIST数据集处理，取得了生成指定手写数字图片的效果。
安装
python -m pip install jittor 测试是否可用 python -m jittor.test.test_core python -m jittor.test.test_example 本项目可在 1 张 RTX4000 上运行。
运行环境
windows 10 python >= 3.8 jittor >= 1.3.0
预训练模型
无
数据预处理
使用Jittor内嵌的MNIST数据集，无需下载预处理，直接程序加载。
训练
python CGAN.py
推理
无
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。
注意事项
无