Update README.md
运行结果示例
本项目包含了第二届计图挑战赛计图 - 手写数字生成赛题的代码实现。本项目的特点是：采用了 Conditional GAN 方法对图片数据集MNIST处理，取得了生成特定数字的图像的效果。
本项目可在Ubuntu虚拟机8G内存上运行，训练时间约为 1 小时。
执行以下命令安装 python 依赖
pip install -r requirements.txt
无需预训练模型模型。
训练得到结果可运行以下命令：
bash python3 CGAN.py
通过修改计算真实类别和虚假类别的损失函数，训练判别器成功分类手写数字，并为指定的数字序列生成相应的手写数字图片。
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-gan。
A Jittor implementation of Conditional GAN(CGAN)
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
Jittor挑战热身赛（手写数字生成赛题）
运行结果示例
简介
本项目包含了第二届计图挑战赛计图 - 手写数字生成赛题的代码实现。本项目的特点是：采用了 Conditional GAN 方法对图片数据集MNIST处理，取得了生成特定数字的图像的效果。
安装
本项目可在Ubuntu虚拟机8G内存上运行，训练时间约为 1 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
无需预训练模型模型。
训练
训练得到结果可运行以下命令：
推理
通过修改计算真实类别和虚假类别的损失函数，训练判别器成功分类手写数字，并为指定的数字序列生成相应的手写数字图片。
致谢
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-gan。