chore: update README.md
一个基于 Jittor 框架实现的条件生成对抗网络（CGAN）。
本项目使用 Python 3.12（基于 Jittor 深度学习框架），在数字图片数据集 MNIST 上训练了一个简单的阿拉伯数字生成 CGAN 模型训练程序。
大部分更旧的 Python 3 版本也可兼容运行。
以 Python 3.12 为例。首先配置虚拟环境，以 Conda 为例：
conda create -n CGAN_Jittor python=3.12
激活环境：
conda activate CGAN_Jittor
安装 Jittor 核心库：
python3.12 -m pip install jittor
验证 Jittor 是否安装成功：
python3.12 -m jittor.test.test_example
Jittor 前置依赖详见官方安装指引：https://cg.cs.tsinghua.edu.cn/jittor/download/
激活环境后，在项目根目录执行：
python3.12 -m CGAN
程序将开始训练 CGAN 模型并生成手写数字图像。可通过修改 CGAN.py 中的参数配置调整训练过程。
CGAN.py
Conditional GAN based on Jittor
一个基于 Jittor 框架实现的条件生成对抗网络（CGAN）。
项目简述
本项目使用 Python 3.12（基于 Jittor 深度学习框架），在数字图片数据集 MNIST 上训练了一个简单的阿拉伯数字生成 CGAN 模型训练程序。
大部分更旧的 Python 3 版本也可兼容运行。
安装
以 Python 3.12 为例。首先配置虚拟环境，以 Conda 为例：
激活环境：
安装 Jittor 核心库：
验证 Jittor 是否安装成功：
Jittor 前置依赖详见官方安装指引：https://cg.cs.tsinghua.edu.cn/jittor/download/
运行
激活环境后，在项目根目录执行：
程序将开始训练 CGAN 模型并生成手写数字图像。可通过修改
CGAN.py中的参数配置调整训练过程。