Update README.md
简介 本项目包含了第四届计图挑战赛热身赛的代码实现。本项目在数字图片数据集 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 本项目在 1 张 4060 上运行，训练时间约为 17 分钟。
运行环境 Windows 11 python >= 3.7 jittor >= 1.3.0 安装依赖 执行以下命令安装 python 依赖
python -m pip install jittor
conda install pywin32 训练与推理 在脚本内修改number变量的值（这个值是你需要生成的数字），后直接运行python脚本，即在训练之后得到输出。
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。
第四届计图人工智能挑战赛热身赛
数据集
jittor
安装 本项目在 1 张 4060 上运行，训练时间约为 17 分钟。
运行环境 Windows 11 python >= 3.7 jittor >= 1.3.0 安装依赖 执行以下命令安装 python 依赖
python -m pip install jittor
if conda is used
conda install pywin32 训练与推理 在脚本内修改number变量的值（这个值是你需要生成的数字），后直接运行python脚本，即在训练之后得到输出。
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。