update readme
本仓库为 2023 年春季学期计算机图形学课程实验 PA3：Conditional GAN 的项目仓库。
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 RTX 3070 Laptop 上运行，训练时间约为20分钟。
windows 10 python ~= 3.10 jittor ~= 1.3.7 CUDA 12.0
# 安装 Jittor 框架 python --version python -m pip install jittor python -m jittor.test.test_core python -m jittor.test.test_example python -m jittor.test.test_cudnn_op # 运行程序 python CGAN.py
基于计图官方示例代码填充注释为TODO的部分完成
A Jittor implementation of Conditional GAN (CGAN).
CGAN_jittor
本仓库为 2023 年春季学期计算机图形学课程实验 PA3：Conditional GAN 的项目仓库。
简介
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 RTX 3070 Laptop 上运行，训练时间约为20分钟。
运行环境
windows 10 python ~= 3.10 jittor ~= 1.3.7 CUDA 12.0
安装与使用
致谢
基于计图官方示例代码填充注释为TODO的部分完成