docs: add example readme

chore: gitignore

.gitignore

@@ -0,0 +1,2 @@
+.idea/
+*.png

README.md

@@ -0,0 +1,70 @@
+# Jittor 武汉大学队 手写数字生成
+
+![主要结果](https://s3.bmp.ovh/imgs/2022/04/19/440f015864695c92.png)
+
+｜展示方法的流程特点或者主要结果等
+
+## 简介
+| 简单介绍项目背景、项目特点
+
+本项目包含了第二届计图挑战赛计图 - 草图生成风景比赛的代码实现。本项目的特点是：采用了 XX 方法对 YY 处理，取得了 ZZ 的效果。
+
+## 安装 
+| 介绍基本的硬件需求、运行环境、依赖安装方法
+
+本项目可在 2 张 2080 上运行，训练时间约为 6 小时。
+
+#### 运行环境
+- ubuntu 20.04 LTS
+- python >= 3.7
+- jittor >= 1.3.0
+
+#### 安装依赖
+执行以下命令安装 python 依赖
+```
+pip install -r requirements.txt
+```
+
+#### 预训练模型
+预训练模型模型下载地址为 https:abc.def.gh，下载后放入目录 `<root>/weights/` 下。
+
+## 数据预处理
+| 介绍数据预处理方法，可选
+
+将数据下载解压到 `<root>/data` 下，执行以下命令对数据预处理：
+```
+bash scripts/prepross.sh
+```
+
+## 训练
+｜ 介绍模型训练的方法
+
+单卡训练可运行以下命令：
+```
+bash scripts/train.sh
+```
+
+多卡训练可以运行以下命令：
+```
+bash scripts/train-multigpu.sh
+```
+
+## 推理
+｜ 介绍模型推理、测试、或者评估的方法
+
+生成测试集上的结果可以运行以下命令：
+
+```
+bash scripts/test.sh
+```
+
+## 致谢
+| 对参考的论文、开源库予以致谢，可选
+
+此项目基于论文 *A Style-Based Generator Architecture for Generative Adversarial Networks* 实现，部分代码参考了 [jittor-gan](https://github.com/Jittor/gan-jittor)。
+
+## 注意事项
+
+点击项目的“设置”，在Description一栏中添加项目描述，需要包含“jittor”字样。同时在Topics中需要添加jittor。
+
+![image-20220419164035639](https://s3.bmp.ovh/imgs/2022/04/19/6a3aa627eab5f159.png)