delete result picture
该项目使用 Jittor 深度学习框架，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。
本项目需要安装 Jittor 深度学习框架。Jittor 框架目前支持 Linux 或 Windows(包括 WSL)，mac 系统请安装虚拟机解决。需要使用 Python 及 C++ 编译器（g++ 或 clang）。Jittor 提供了三种安装方法：docker，pip 和手动安装，具体安装教程请参考：
https://cg.cs.tsinghua.edu.cn/jittor/download/
在 CGAN.py 所在的目录下运行以下命令：
CGAN.py
python CGAN.py
最终将生成 result.png 图片，以及训练过程中的图片共 94 张，在 /train_pictures 文件夹中。
result.png
/train_pictures
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
数据集
CGAN by Jittor
该项目使用 Jittor 深度学习框架，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。
项目依赖
本项目需要安装 Jittor 深度学习框架。Jittor 框架目前支持 Linux 或 Windows(包括 WSL)，mac 系统请安装虚拟机解决。需要使用 Python 及 C++ 编译器（g++ 或 clang）。Jittor 提供了三种安装方法：docker，pip 和手动安装，具体安装教程请参考：
https://cg.cs.tsinghua.edu.cn/jittor/download/
项目运行
在
CGAN.py所在的目录下运行以下命令：最终将生成
result.png图片，以及训练过程中的图片共 94 张，在/train_pictures文件夹中。