Update README.md
本项目使用 Jittor 深度学习框架实现了条件生成对抗网络 (Conditional GAN)，可以在带有条件标签的数据集上进行训练，并生成符合条件的高质量图像。
bash pip install jittor
包含带有标签的图像数据集（MNIST 手写数字数据集）。每张图像需对应一个分类标签，用于条件生成。
与训练集格式一致，但数据内容不重复。
1.克隆代码库 git clone https://gitlink.org.cn/Pork/CGAN.git cd CGAN 2.运行代码 python CGAN.py 3.损失分析 训练过程中会记录生成器 (G) 和判别器 (D) 的损失值，日志输出示例如下： [Epoch 99/100] [Batch 0/938] [D loss: 0.094867] [G loss: 0.552631]
git clone https://gitlink.org.cn/Pork/CGAN.git
cd CGAN
python CGAN.py
[Epoch 99/100] [Batch 0/938] [D loss: 0.094867] [G loss: 0.552631]
A Jittor implementation of Conditional GAN (CGAN).
基于 Jittor 实现的条件生成对抗网络 (Conditional GAN)
本项目使用 Jittor 深度学习框架实现了条件生成对抗网络 (Conditional GAN)，可以在带有条件标签的数据集上进行训练，并生成符合条件的高质量图像。
功能特点
运行环境
必要依赖
bash pip install jittor数据集
训练集
包含带有标签的图像数据集（MNIST 手写数字数据集）。每张图像需对应一个分类标签，用于条件生成。
测试集
与训练集格式一致，但数据内容不重复。
运行步骤
1.克隆代码库
git clone https://gitlink.org.cn/Pork/CGAN.gitcd CGAN2.运行代码python CGAN.py3.损失分析 训练过程中会记录生成器 (G) 和判别器 (D) 的损失值，日志输出示例如下：[Epoch 99/100] [Batch 0/938] [D loss: 0.094867] [G loss: 0.552631]