Update README.md
本项目包含了第二届计图挑战赛计图热身赛 - 使用了Jittor 机器学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Conditional GAN 模型，并生成指定数字序列对应的图片。
本项目在 1 张 V100 上运行，训练时间约为半小时。
执行以下命令安装 python 依赖
pip install -r requirements.txt
cd competition/warm_up_comp
nn.Linear(512,1)
return self.model(d_in)
d_real_loss = adversarial_loss(validity_real, valid)
d_fake_loss = adversarial_loss(validity_fake, fake)
number = '手机号'
python GCAN.py
此项目部分代码参考了 jittor-gan。
第二届计图人工智能挑战赛，Jittor 热身赛的实现
Jittor 热身赛-基于CGAN的手写数字识别(Jittor框架)
简介
本项目包含了第二届计图挑战赛计图热身赛 - 使用了Jittor 机器学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Conditional GAN 模型，并生成指定数字序列对应的图片。
安装
本项目在 1 张 V100 上运行，训练时间约为半小时。
运行环境
安装依赖
执行以下命令安装 python 依赖
进入代码所在文件夹
完成To Do
TODO: 添加最后一个线性层，最终输出为一个实数（69行）
TODO: 将d_in输入到模型中并返回计算结果
TODO: 计算真实类别的损失函数
TODO: 计算虚假类别的损失函数
TODO: 写入你注册时绑定的手机号（字符串类型）
训练与图片生成
运行
致谢
此项目部分代码参考了 jittor-gan。