Update README.md
本赛道将在数字图片数据集 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。 比如用户的随机ID是 18012345678，那么一种可能的提交结果图像为： (https://data.educoder.net/api/attachments/2795097.png)
本项目可在 1 张 2080 上运行，训练时间约为 20分钟。
本赛题由jittor官方提供示例代码，提供数据下载、模型定义、训练步骤等功能。基于示例代码填充注释为 TODO 的部分完成该赛题。 单卡训练可运行以下命令：
python CGAN.py
此赛题要求生成的数字为20174262012679，测试生成的结果为result.png
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
数据集
Jittor 第四届计图人工智能挑战赛热身赛
简介
本赛道将在数字图片数据集 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。 比如用户的随机ID是 18012345678，那么一种可能的提交结果图像为： (https://data.educoder.net/api/attachments/2795097.png)
安装
本项目可在 1 张 2080 上运行，训练时间约为 20分钟。
运行环境
训练
本赛题由jittor官方提供示例代码，提供数据下载、模型定义、训练步骤等功能。基于示例代码填充注释为 TODO 的部分完成该赛题。 单卡训练可运行以下命令：
推理
此赛题要求生成的数字为20174262012679，测试生成的结果为result.png