Update README.md
本项目使用了 Jittor 机器学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Conditional GAN 模型，生成指定数字序列对应的图片。也是本人的《计算机图形学》课的作业
请确保你使用的 python 环境中已有 jittor 包，否则请到此处下载。
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）。
环境准备好后，只需要拷贝本项目到本地，然后利用下面的代码运行即可：
python3 CGAN.py
如下图：
因为图像的尺度较小，故化码直接使用了全连接层而不是通常的卷积层。
默认状态下代码会自动下载 MNIST 数据集，且 epoch 次数达 100 次。如果你的计算性能不足，建议适当减少 epoch 数值。如果 epoch 次数达 100 次后图案不明显，请检查jittor安装是否有错误（ 本人试过 MNIST 数据集安装出错）
A Jittor implementation of Conditional GAN (CGAN)，Jittor 热身赛， 也是《计算机图形学》作业QQ
CGAN_jittor_liujianhong
简介
本项目使用了 Jittor 机器学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声和类别标签映射为数字图片的 Conditional GAN 模型，生成指定数字序列对应的图片。也是本人的《计算机图形学》课的作业
如何使用
请确保你使用的 python 环境中已有 jittor 包，否则请到此处下载。
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）。
环境准备好后，只需要拷贝本项目到本地，然后利用下面的代码运行即可：
结果
如下图：
注意事项
因为图像的尺度较小，故化码直接使用了全连接层而不是通常的卷积层。
默认状态下代码会自动下载 MNIST 数据集，且 epoch 次数达 100 次。如果你的计算性能不足，建议适当减少 epoch 数值。如果 epoch 次数达 100 次后图案不明显，请检查jittor安装是否有错误（ 本人试过 MNIST 数据集安装出错）