条件生成对抗网络

贡献者： xzllxls

　　 条件生成对抗网络（Conditional Generative Adversarial Nets, cGAN）是生成对抗网络的条件版本。可以通过简单地向模型输入数据来构建。

　　在无条件的生成模型中，对于生成的数据没有模式方面的控制，很有可能造成模式坍塌。而条件生成对抗网络的思想就是通过输入条件数据，来约束模型生成的数据的模式。输入的条件数据可以是类别标签，也可以是训练数据的一部分，又甚至是不同模式的数据。

　　与原始的生成对抗网络相同，条件生成对抗网络也是玩的是双人最小最大游戏，其目标函数为：

\begin{equation} \mathop{\min}\limits_G \mathop {\max }\limits_D V(D,G)=E_{x\sim p_{data}(x)}[logD(x|y)]+E_{z\sim p_z(z)}[log(1-D(G(z|y)))] \end{equation}

其中，$G$ 表示生成器，$D$ 表示判别器，$x$ 表示训练数据，$y$ 表示输入的条件数据。

　　条件生成对抗网络基本结构，如图 1 所示。

图 1：条件生成网络结构示意图

　　图 2 表示了用 MINST 数据集训练的条件生成对抗网络生成数字的部分实验结果。每一行均以对应的数字标签作为输入条件。

图 2：MINST 数据集数字生成部分实验结果

　　 参考文献：

M. Mirza and S. Osindero, “Conditional generative adversarial nets,” arXiv preprint arXiv:1411.1784, 2014.

致读者：小时百科一直以来坚持所有内容免费，这导致我们处于严重的亏损状态。长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。因此，我们请求广大读者热心打赏 ，使网站得以健康发展。如果看到这条信息的每位读者能慷慨打赏 10 元，我们一个星期内就能脱离亏损，并保证在接下来的一整年里向所有读者继续免费提供优质内容。但遗憾的是只有不到 1% 的读者愿意捐款，他们的付出帮助了 99% 的读者免费获取知识，我们在此表示感谢。