Update README.md
项目使用 Jittor 框架实现了 Conditional GAN 模型，在MNIST数据集上训练，可以生成手写数字。
Jittor是一个完全基于动态编译（Just-in-time）的深度学习框架，内部使用创新的元算子和统一计算图的深度学习框架，元算子和Numpy一样易于使用，并且超越Numpy能够实现更复杂更高效的操作。而统一计算图则是融合了静态计算图和动态计算图的诸多优点，在易于使用的同时，提供高性能的优化。基于元算子开发的深度学习模型，可以被计图实时的自动优化并且运行在指定的硬件上，如CPU，GPU。
代码已验证可以在Ubuntu20.04上运行，需要的环境
安装计图
python CGAN.py
Implementation of Conditional GAN (CGAN) in Jittor, a jit deep learning framework. 计图实现的CGAN
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
cgan_jittor
项目使用 Jittor 框架实现了 Conditional GAN 模型，在MNIST数据集上训练，可以生成手写数字。
Jittor 简介
Jittor是一个完全基于动态编译（Just-in-time）的深度学习框架，内部使用创新的元算子和统一计算图的深度学习框架，元算子和Numpy一样易于使用，并且超越Numpy能够实现更复杂更高效的操作。而统一计算图则是融合了静态计算图和动态计算图的诸多优点，在易于使用的同时，提供高性能的优化。基于元算子开发的深度学习模型，可以被计图实时的自动优化并且运行在指定的硬件上，如CPU，GPU。
运行方式
运行环境
代码已验证可以在Ubuntu20.04上运行，需要的环境
安装
安装计图
运行指令