1.CGAN的簡介
為了解決帶標(biāo)簽的數(shù)據(jù)生成問題挽封，研究者們提出了條件生成對抗網(wǎng)絡(luò)（CGAN）的概念摹蘑。
CGAN的結(jié)構(gòu)如上圖所示，與GAN的主要區(qū)別是生成器和判別器的輸入數(shù)據(jù)中都加入類別標(biāo)簽向量（C_vector）荒典，生成器的優(yōu)化目標(biāo)函數(shù)基本上沒有變化驶兜。
總的來說CGAN在GAN上的改動并不大舀凛，但是普通的GAN所生成的內(nèi)容是隨機(jī)的俊扳，CGAN實(shí)現(xiàn)了根據(jù)輸入標(biāo)簽生成指定類別的內(nèi)容。
2.CGAN的實(shí)現(xiàn)
目前CGAN的實(shí)現(xiàn)由多種形式猛遍，主要的區(qū)別是C_vector的形式馋记，目前主要有以下三種形式：
第一中形式：
將輸入Generator的C_vector進(jìn)行One-hot編碼，然后與noise進(jìn)行拼接懊烤，此時C_vector為（batch_size, class_num) 梯醒，noise為（batch_size, latent_dim），將拼接之后大小為（batch_size, latent_dim+class_num）作為生成器的輸入腌紧。
將輸入Discrimintor的C_vector首先進(jìn)行One-hot編碼茸习，然后通過expand（）方法進(jìn)行維度擴(kuò)展，此時的C_vector為 （batch_size, class_num, cols, rows) 壁肋， Real_data 和 Fake_data為（batch_size, channel, cols, rows）号胚，最后將轉(zhuǎn)換后的C_vector和Real_data或者Fake_data進(jìn)行拼接，將拼接之后大小為（batch_size, channel+class_num, cols, rows）的張量作為判別器的輸入浸遗。
第二種形式:
將輸入Generator的C_vector通過Embedding方法進(jìn)詞嵌入猫胁，并進(jìn)行Flatten操作，從而將C_vector轉(zhuǎn)換成為與noise大小相同的張量（batch_size, latent_dim）, 然后將noise 和 C_vector 進(jìn)行mulitiply()操作（即對應(yīng)位置上的元素相乘跛锌，該運(yùn)輸不改變張量的大衅选），將最終得到的（batch_size, latent_dim）的張量作為生成器的輸入髓帽。
將輸入Discriminator的C_vector通過Embedding方法進(jìn)行詞嵌入菠赚，并進(jìn)行Flatten操作，從而將C_vector轉(zhuǎn)換為（batch_size, channel*rows*cols）郑藏，接著對Real_data和Fake_data進(jìn)行Flatten操作衡查，將其轉(zhuǎn)換為（batch_size, channel*rows*cols），然后將轉(zhuǎn)換后的C_vector和Real_data或者Fake_data進(jìn)行multiply（）操作译秦，將最終得到的（batch_size, channel*rows*cols）張量作為判別器的輸入峡捡。
第三種形式：
將輸入Generator的C_vector進(jìn)行One-hot編碼，然后與noise進(jìn)行拼接筑悴，此時C_vector為（batch_size, class_num) 们拙，noise為（batch_size, latent_dim），最后將拼接后大小為（batch_size,?latent_dim+class_num）作為生成器的輸入阁吝。
將輸入Discriminator的C_vector進(jìn)行One-hot編碼砚婆，然后與經(jīng)過Flatten（）處理之后的Real_data或者Fake_data進(jìn)行拼接，此時Real_data和Fake_data為（batch_size, channel*rows*cols），C_vector為（batch_size, num_class）装盯，最后將拼接之后大小為（batch_size, channel*rows*cols + num_class）的張量作為判別器的輸入坷虑。
損失函數(shù)：
在具體實(shí)現(xiàn)上，CGAN的損失函數(shù)和GAN基本相同埂奈。
