Update README.md
给定用户随机ID是：14168821415650，生成对应的图片
本项目包含了第三届计图挑战赛计图 - 热身赛的代码实现。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。
本项目可在 1 张 3090 上运行，训练时间约为 15 分钟。
执行以下命令安装 python 依赖
pip install -r requirements.txt
预训练模型模型下载地址为 预训练权重, 提取码：d36s.下载后放入目录 <root> 下。
<root>
单卡训练可运行以下命令：
python CGAN.py
生成测试集上的结果可以运行以下命令：
python test.py
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-gan。
第三届计图人工智能大赛热身赛代码
Jittor 热身赛 CGAN
给定用户随机ID是：14168821415650，生成对应的图片
简介
本项目包含了第三届计图挑战赛计图 - 热身赛的代码实现。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。
安装
本项目可在 1 张 3090 上运行，训练时间约为 15 分钟。
运行环境
安装依赖
执行以下命令安装 python 依赖
预训练模型
预训练模型模型下载地址为 预训练权重, 提取码：d36s.下载后放入目录
<root>下。训练
单卡训练可运行以下命令：
推理
生成测试集上的结果可以运行以下命令：
致谢
此项目基于论文 Conditional Generative Adversarial Nets 实现，部分代码参考了 jittor-gan。