change readme
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。
在CGAN.py中修改number以更改要生成图像对应的数字
通过python CGAN.py运行代码。作用是训练模型，得到中间结果输出(如0.png/1000.png/…/93000.png)，以及最后的结果图像result.png
python CGAN.py
使用Jittor框架，具体安装教程请参考 https://cg.cs.tsinghua.edu.cn/jittor/download/
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
计图挑战热身赛
项目介绍
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。
代码使用
在CGAN.py中修改number以更改要生成图像对应的数字
通过
python CGAN.py运行代码。作用是训练模型，得到中间结果输出(如0.png/1000.png/…/93000.png)，以及最后的结果图像result.png环境配置
使用Jittor框架，具体安装教程请参考 https://cg.cs.tsinghua.edu.cn/jittor/download/