Update README.md
本项目包含了第二届计图挑战赛计图 - 计图热身挑战赛的代码实现。本项目基于Jittor深度学习框架，在数字图片数据集 MNIST 上训练了一个 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)，生成特定的手写数字图像。
本项目可在CPU: 1核 内存: 2GB,训练时间为 1.1 h.
sudo apt install python3.8-dev libomp-devpython3.8 -m pip install jittorpython3.8 -m jittor.test.test_example
无
数据集使用MNIST数据集进行训练
运行以下命令进行训练：
sudo python3.8 CGAN.py
训练结束后自动生成测试结果，由头歌平台测评并给出分数。
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-gan。
A Jittor implementation of Conditional GAN (CGAN).
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
Jittor 计图挑战热身赛 CGAN
简介
本项目包含了第二届计图挑战赛计图 - 计图热身挑战赛的代码实现。本项目基于Jittor深度学习框架，在数字图片数据集 MNIST 上训练了一个 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)，生成特定的手写数字图像。
安装
本项目可在CPU: 1核 内存: 2GB,训练时间为 1.1 h.
运行环境
安装依赖
sudo apt install python3.8-dev libomp-dev
python3.8 -m pip install jittor
python3.8 -m jittor.test.test_example
预训练模型
无
数据集
数据集使用MNIST数据集进行训练
训练
运行以下命令进行训练：
推理
训练结束后自动生成测试结果，由头歌平台测评并给出分数。
致谢
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-gan。