Update README.md
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。
1.首先安装jittorJittor 框架目前支持 Linux 或 Windows(包括 WSL)，mac 系统请安装虚拟机解决。需要使用Python 及 C++ 编译器（g++或clang）。Jittor 提供了三种安装方法：docker，pip 和手动安装，具体安装教程请参考： https://cg.cs.tsinghua.edu.cn/jittor/download/2.然后运行
python CGAN.py
自定义参数训练：可以使用如下命令查看参数，然后在[args]中定制训练参数
python CGAN.py --help python CGAN [args]
本项目在MIT许可证下开源。
A Jittor implementation of Conditional GAN (CGAN). 计图挑战热身赛(手写数字生成)
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
CGAN_jittor
项目简介
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。
运行方法
1.首先安装jittor
Jittor 框架目前支持 Linux 或 Windows(包括 WSL)，mac 系统请安装虚拟机解决。需要使用Python 及 C++ 编译器（g++或clang）。Jittor 提供了三种安装方法：docker，pip 和手动安装，具体安装教程请参考： https://cg.cs.tsinghua.edu.cn/jittor/download/
2.然后运行
自定义参数训练：可以使用如下命令查看参数，然后在[args]中定制训练参数
项目许可
本项目在MIT许可证下开源。