update README.md
题目已经提供示例代码，其中包括数据下载、模型定义、训练步骤等功能。可以基于示例代码填充注释为 TODO 的部分完成该赛题。使用 Jittor 机器学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Conditional GAN 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)，生成指定数字序列对应的图片。
安装及运行：环境为Linux（Ubuntu），依赖如下：
安装方式：使用Pip，命令行中输入（注意依据自身python版本修改）
python3.7 -m pip install jittor python3.7 -m jittor.test.test_example
使用方式：python3 CGAN.py ,跑出中间结果以及自己手机号对应的result.png
框架来源：https://github.com/Jittor/gan-jittor/blob/master/ competition/warm_up_comp/CGAN.py
测评平台：https://www.educoder.net/competitions/index/Jittor- 3
A Jittor implementation of Conditional GAN (CGAN).
题目已经提供示例代码，其中包括数据下载、模型定义、训练步骤等功能。可以基于示例代码填充注释为 TODO 的部分完成该赛题。使用 Jittor 机器学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Conditional GAN 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)，生成指定数字序列对应的图片。
安装及运行：环境为Linux（Ubuntu），依赖如下：
安装方式：使用Pip，命令行中输入（注意依据自身python版本修改）
使用方式：python3 CGAN.py ,跑出中间结果以及自己手机号对应的result.png
框架来源：https://github.com/Jittor/gan-jittor/blob/master/ competition/warm_up_comp/CGAN.py
测评平台：https://www.educoder.net/competitions/index/Jittor- 3