README.md增加图片结果展示
本项目使用 Jittor 深度学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声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。 代码内部已经设置好参数，运行代码即可生成对应ID的序列
根据之前描述的环境配置进行配置，要求python版本3.8及以上，并安装jittor，然后运行python CGAN.py，待程序运行完毕就可训练好模型。训练好的模型存储在生成的两个.pkl文件中，同时训练模型会在特定轮数生成训练图片，方便对比。最终生成的ID序列存储在result.png中，可打开查看
python CGAN.py
感谢计图人工智能挑战书大赛组委会提供的代码框架。第三届计图人工智能挑战赛
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_xukl
本项目使用 Jittor 深度学习框架，在数字图片数据集 MNIST 上训练一个将随机噪声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。 代码内部已经设置好参数，运行代码即可生成对应ID的序列
环境配置
如何使用
根据之前描述的环境配置进行配置，要求python版本3.8及以上，并安装jittor，然后运行
python CGAN.py，待程序运行完毕就可训练好模型。训练好的模型存储在生成的两个.pkl文件中，同时训练模型会在特定轮数生成训练图片，方便对比。最终生成的ID序列存储在result.png中，可打开查看结果展示
致谢
感谢计图人工智能挑战书大赛组委会提供的代码框架。第三届计图人工智能挑战赛