Delete ‘README.md’
这是一个用 Jittor 框架实现的 CGAN 模型，可以用于生成手写数字图片。
首先请创建一个版本为 3.7 的 python 虚拟环境，并使用如下代码安装所需的依赖：
pip install jittor
您可以通过运行以下代码来检查安装是否成功：
python3.7 -m jittor.test.test_example
首先，用您想要生成的数字串代替 CGAN.py 中 number 处的字符串，随后执行
python CGAN.py
即可下载图片数据集 MNIST，并在此数据集上训练一个 CGAN 模型，并使用训练得到的模型生成您在 number 处指定的数字串，结果会被保存到 result.png 中。 此外，训练过程中还会输出当前训练得到的模型生成的一些数字图片。每训练 10 轮，当前模型会被自动保存到 discriminator_last.pkl 和 generator_last.pkl 处。
在执行训练时，还可以使用一些参数来指定训练过程中的配置，例如： --n_epochs 可以指定训练轮数； --batch_size 可以指定训练过程中使用的批量大小； --lr 可以指定训练过程中使用的学习率； 要查看完整的可用参数，请使用：
--n_epochs
--batch_size
--lr
python CGAN.py --h
A Jitter implementation of Conditional GAN(CGAN).
Jittor Implementation of CGAN
项目简介
这是一个用 Jittor 框架实现的 CGAN 模型，可以用于生成手写数字图片。
使用方法
环境配置
首先请创建一个版本为 3.7 的 python 虚拟环境，并使用如下代码安装所需的依赖：
您可以通过运行以下代码来检查安装是否成功：
执行训练和推断
首先，用您想要生成的数字串代替 CGAN.py 中 number 处的字符串，随后执行
即可下载图片数据集 MNIST，并在此数据集上训练一个 CGAN 模型，并使用训练得到的模型生成您在 number 处指定的数字串，结果会被保存到 result.png 中。 此外，训练过程中还会输出当前训练得到的模型生成的一些数字图片。每训练 10 轮，当前模型会被自动保存到 discriminator_last.pkl 和 generator_last.pkl 处。
参数设置
在执行训练时，还可以使用一些参数来指定训练过程中的配置，例如：
--n_epochs可以指定训练轮数；--batch_size可以指定训练过程中使用的批量大小；--lr可以指定训练过程中使用的学习率； 要查看完整的可用参数，请使用：