Update README.md
本项目包含了第四届计图人工智能挑战赛 - 计图挑战热身赛的代码实现。本项目的特点是：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。
本项目可在 1 张 2080 Ti 上运行，训练时间约为 15 分钟。
执行以下命令安装 python 依赖
pip install jittor
单卡训练和推理可运行以下命令：
python CGAN.py
| 对参考的论文、开源库予以致谢，可选
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。
jittor
Jittor 计图挑战热身赛 baseline
简介
本项目包含了第四届计图人工智能挑战赛 - 计图挑战热身赛的代码实现。本项目的特点是：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
本项目可在 1 张 2080 Ti 上运行，训练时间约为 15 分钟。
运行环境
安装依赖
执行以下命令安装 python 依赖
训练和推理
单卡训练和推理可运行以下命令：
致谢
| 对参考的论文、开源库予以致谢，可选
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。