Update README.md
| 第二届计图挑战赛开源
本赛道将在数字图片数据集 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。
本项目包含了第二届计图挑战赛计图 - 手写数字生成热身赛比赛的代码实现。本项目的特点是：采用了 CGAN 方法对 手写数字 处理，取得了 99.9999% 的效果。
| 介绍基本的硬件需求、运行环境、依赖安装方法
本项目在 CPU 上运行，训练时间约为 1 小时。
执行以下命令安装 python 依赖
pip install -r requirements.txt
｜ 介绍模型推理、测试、或者评估的方法
生成测试集上的结果可以运行以下命令：
测试过程直接在每次训练结束之后进行。通过 MNIST 分类器进行生成图像的验证，程序能够正常生成结果，且生成的结果图被判定为绑定的手机号即为通过，否则不通过。 评测程序会返回每个数字的平均正确率，大于0.7即可通过。
第二届计图人工智能挑战赛热身赛代码开源
| 第二届计图挑战赛开源
简介
本赛道将在数字图片数据集 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。
本项目包含了第二届计图挑战赛计图 - 手写数字生成热身赛比赛的代码实现。本项目的特点是：采用了 CGAN 方法对 手写数字 处理，取得了 99.9999% 的效果。
安装
| 介绍基本的硬件需求、运行环境、依赖安装方法
本项目在 CPU 上运行，训练时间约为 1 小时。
运行环境
安装依赖
执行以下命令安装 python 依赖
推理
｜ 介绍模型推理、测试、或者评估的方法
生成测试集上的结果可以运行以下命令：