生成对抗网络GAN系列（二）— Conditional Generative Adversarial Nets（cGAN 条件GAN）— 文末附代码

生成对抗网络GAN系列（二）

--- Conditional Generative Adversarial Nets（cGAN 条件GAN）

---文末附代码

Conditional Generative Adversarial Nets  论文链接：https://arxiv.org/abs/1411.1784

 

1.简介

Conditional GAN 是在原始GAN之后一个比较早的改进版，虽然改动确实很简单，但是idea还是非常具有启发性。

2.核心思想

原始GAN的生成器G学到了数据的分布，生成出来的图片其实是随机的，也就是说这个G的生成过程处于一种没有指导的状态，虽然生成的图片，比如mnist数据集来说，生成的的确是数字，但是却没有具体的说是什么数字。 cGAN相当于在原始GAN的基础上加上一个条件：condition，以此来指导G的生成过程。

3.具体实现

在G和D的输入端都添加条件，则D就相当于多加了一部分信息，从而进行更为具体的判别；G的输入多了一个条件之后，生成的数据也就有了一个具体的方向。

损失函数变为：

用图像解释来说，改动其实很简单：

其中的y就是条件，跟数据x和噪声z同时分别输入进D和G网络中。仅仅做了这个改动而已。

4.结果

可以看出，数字是有序排列的，这是因为我们的y设置为一个包含数字0—9的向量，

比起普通的原始GAN（下图）来说：生成的虽然是数字，但是是无序的随机数字

很明显，cGAN受到条件y的影响能够生成指定的数字，这就是条件发挥了作用

 

5.代码

pytorch 版本：https://github.com/TeeyoHuang/conditional-GAN

 

 

。