Edit README.md

README.md

@@ -51,9 +51,9 @@ Pour améliorer la génération d'images et éviter les ambiguïtés entre certa
 | **cGAN avec Discriminateur Multi-Class** | Le générateur produit des chiffres conditionnés sur le label, et le discriminateur apprend à classifier les images dans une des 10 catégories de chiffres ou comme fausses. | Améliore la qualité des images générées et réduit l’ambiguïté entre les chiffres. |
 
 #### Exemples d'images générées de numéro (3) par le cGAN avec Discriminateur (real/fake) :
-![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3_1.png)
+![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3_1_.png)
 #### Exemples d'images générées de numéro (3) par le cGAN avec Discriminateur Multi-Class :
-![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3_2.png)
+![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3_2_.png)
 
 ## Conclusion
 - Les GANs permettent de générer des chiffres manuscrits réalistes.