Update README.md
本项目包含了第四届计图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 NVIDA GTX 1660Ti 上运行，训练时间约为 15 分钟。
运行CGAN.py即可生成手写数字图像
此项目基于计图深度学习框架
本项目包含了第四届计图人工智能挑战赛热身赛hj团队的代码实现。 本项目的特点是：采用了 GAN 方法对用户随机ID16858331682021进行生成，取得了如上生成效果。
Jittor计图挑战热身赛
简介
本项目包含了第四届计图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 NVIDA GTX 1660Ti 上运行，训练时间约为 15 分钟。
运行环境
训练
运行CGAN.py即可生成手写数字图像
致谢
此项目基于计图深度学习框架