Update README.md
[主要结果]手写数字生成结果已放入项目中，可点击result.png进行查看
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 A100 上运行，训练时间约为10分钟。
修改CGAN.py里的number变量值，运行CGAN.py即可生成指定手写数字
基于计图官方示例代码填充注释为TODO的部分完成
利用jittor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
Jittor 计图挑战热身赛
[主要结果]手写数字生成结果已放入项目中，可点击result.png进行查看
简介
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 A100 上运行，训练时间约为10分钟。
运行环境
安装依赖
pip install jittor训练
修改CGAN.py里的number变量值，运行CGAN.py即可生成指定手写数字
致谢
基于计图官方示例代码填充注释为TODO的部分完成