修改readme文件
项目使用Conditional Gan生成神经网络来生成任意一串数字号码。代码的框架由第二届计图挑战赛热身赛给出。使用的训练集为mnist。
计图（Jittor）：一个完全基于动态编译（Just-in-time）,内部使用创新的元算子和统一计算图的深度学习框架， 元算子和Numpy一样易于使用，并且超越Numpy能够实现更复杂更高效的操作。而统一计算图则是融合了静态计算图和动态计算图的诸多优点，在易于使用的同时，提供高性能的优化。基于元算子开发的深度学习模型，可以被计图实时的自动优化并且运行在指定的硬件上，如CPU，GPU。
Generative Adversarial Nets（GAN）提出了一种新的方法来训练生成模型：输入为一个随机向量z,生成器G输出一幅图像G(z),而判别器D需要将真实图像x与合成图像G(z)区分开来。然而，GAN对于要生成的图片缺少控制。Conditional GAN（CGAN）通过添加显式的条件或标签，来控制生成的图像。在生成器generator和判别器discriminator中添加相同的额外信息y，GAN就可以扩展为一个conditional模型。y可以是任何形式的辅助信息，例如类别标签或者其他形式的数据。我们可以通过将y作为额外输入层，添加到生成器和判别器来完成条件控制。
#TODO: 写入你注册时绑定的手机号（字符串类型） number = '13161352628'
python CGAN.py
v1.0.0
使用CGAN-Jittor完成的一次号码生成项目。
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
第二届Jittor人工智能挑战赛热身赛
项目介绍
项目使用Conditional Gan生成神经网络来生成任意一串数字号码。代码的框架由第二届计图挑战赛热身赛给出。使用的训练集为mnist。
项目背景
Jittor
计图（Jittor）：一个完全基于动态编译（Just-in-time）,内部使用创新的元算子和统一计算图的深度学习框架， 元算子和Numpy一样易于使用，并且超越Numpy能够实现更复杂更高效的操作。而统一计算图则是融合了静态计算图和动态计算图的诸多优点，在易于使用的同时，提供高性能的优化。基于元算子开发的深度学习模型，可以被计图实时的自动优化并且运行在指定的硬件上，如CPU，GPU。
CGAN
Generative Adversarial Nets（GAN）提出了一种新的方法来训练生成模型：输入为一个随机向量z,生成器G输出一幅图像G(z),而判别器D需要将真实图像x与合成图像G(z)区分开来。然而，GAN对于要生成的图片缺少控制。Conditional GAN（CGAN）通过添加显式的条件或标签，来控制生成的图像。在生成器generator和判别器discriminator中添加相同的额外信息y，GAN就可以扩展为一个conditional模型。y可以是任何形式的辅助信息，例如类别标签或者其他形式的数据。我们可以通过将y作为额外输入层，添加到生成器和判别器来完成条件控制。
使用指南
安装
操作
只需在这里修改你想要生成的号码的字符串，然后运行python CGAN.py，就可以得到生成的最终号码以及过程中生成的0~9的10个数字。版本更新
v1.0.0本项目由清华大学计算机系王文琦开发并且维护。