Update README.md
本项目包含了第三届计图人工智能挑战赛 - 计图挑战热身赛的代码实现。在数字图片数据集 MNIST 上训练 Conditional GAN 模型，通过输入一个随机向量 z 和额外的类别标签信息 y ，生成特定数字的图像。
本项目可在 1 张 RTX 3090 上运行，训练时间约为15分钟。
可运行以下命令进行训练：
python CGAN.py
训练结束后自动进行推理，推理结果保存在result.png中。
result.png
本项目代码参考了jittor官方提供的示例代码。
使用jittor框架在数字图片数据集 MNIST 上训练 Conditional GAN 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。
©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 Conditional GAN
简介
本项目包含了第三届计图人工智能挑战赛 - 计图挑战热身赛的代码实现。在数字图片数据集 MNIST 上训练 Conditional GAN 模型，通过输入一个随机向量 z 和额外的类别标签信息 y ，生成特定数字的图像。
安装
本项目可在 1 张 RTX 3090 上运行，训练时间约为15分钟。
运行环境
训练
可运行以下命令进行训练：
推理
训练结束后自动进行推理，推理结果保存在
result.png中。致谢
本项目代码参考了jittor官方提供的示例代码。