modified readme.md
本项目包含了第二届计图挑战赛计图 - 计图热身挑战赛的代码实现。本项目目标为生成指定数字序列的图片，采用了CGAN方法在MNIST数据集上训练，在头歌平台上测评分数0.9973。
本项目可在CPU上运行，训练时间约为 1 小时。
无需运行环境外其他依赖；如果硬件支持，可以选择安装CUDA环境。
可运行以下命令进行训练：
python CGAN.py
可以使用命令行参数指定超参数，如：训练轮数、分批大小、学习率、Adam优化器设置等。
如果有CUDA环境，会自动尝试使用GPU训练模型；否则在CPU上训练。
训练结束后直接自动进行推理（生成result.png）。
result.png
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，大部分代码参考了 jittor-gan-CGAN。
计图你睡得着嘛反正我睡不着因为我在写大作业不仅可能没有成绩而且还拿不到奖金也就只能在起队名上整一点花活来排解ddl的压力 队的计图热身挑战赛开源仓库。项目内容：MNIST数据集上，计图框架(jittor)下Conditional GAN (CGAN)的实现
Jittor_CGAN 计图热身挑战赛 baseline
简介
本项目包含了第二届计图挑战赛计图 - 计图热身挑战赛的代码实现。本项目目标为生成指定数字序列的图片，采用了CGAN方法在MNIST数据集上训练，在头歌平台上测评分数0.9973。
安装
本项目可在CPU上运行，训练时间约为 1 小时。
运行环境
安装依赖
无需运行环境外其他依赖；如果硬件支持，可以选择安装CUDA环境。
训练
可运行以下命令进行训练：
如果有CUDA环境，会自动尝试使用GPU训练模型；否则在CPU上训练。
推理
训练结束后直接自动进行推理（生成
result.png）。致谢
此项目基于论文 A Style-Based Generator Architecture for Generative Adversarial Networks 实现，大部分代码参考了 jittor-gan-CGAN。