Update Readme File
本项目包含了第三届计图挑战赛计图 - MNIST数字随机生成的代码实现。本项目的特点是：采用了Conditional GAN方法对随机向量字符串处理，取得了随机字符串的图片，并达到97.11%的精度。
本项目可在 1 张 NVIDIA TITAN Xp 上运行，训练时间约为 0.5 小时。
执行以下命令安装 python 依赖
pip install -r requirements.txt
预训练模型模型下载地址为链接：https://pan.baidu.com/s/1cSYwtWa5gCXjJDeiiGZoHw?pwd=wto4 ，下载后放入根目录下。
代码中集成了jittor对手写数据集MNIST的下载及预处理，无需进行手动操作
python CGAN.py
此项目基于论文 Conditional generative adversarial nets 实现，部分代码参考了 jittor-gan。
jittor - MNIST热身挑战赛字符生成
Jittor-浑水摸鱼真的不队-计图挑战热身赛MNIST数字随机生成
简介
本项目包含了第三届计图挑战赛计图 - MNIST数字随机生成的代码实现。本项目的特点是：采用了Conditional GAN方法对随机向量字符串处理，取得了随机字符串的图片，并达到97.11%的精度。
安装
本项目可在 1 张 NVIDIA TITAN Xp 上运行，训练时间约为 0.5 小时。
运行环境
安装依赖
执行以下命令安装 python 依赖
预训练模型
预训练模型模型下载地址为链接：https://pan.baidu.com/s/1cSYwtWa5gCXjJDeiiGZoHw?pwd=wto4 ，下载后放入根目录下。
数据预处理
代码中集成了jittor对手写数据集MNIST的下载及预处理，无需进行手动操作
训练及推理
致谢
此项目基于论文 Conditional generative adversarial nets 实现，部分代码参考了 jittor-gan。