CGAN（条件生成-对抗网络）简述教程

一直以来提醒自己说，你要坚持，要坚持，要坚持更新，坚持读paper，要是现在都坚持不下去，还有将近五年该怎么办呐。

所幸，我还是有底线的，在今天抽了一个下午，看了看论文，跑了跑代码，过程谈不上舒服，也谈不上艰辛，但是终究是有收获的。记录一下今天的收获

今天看的这篇论文其实很简单，名字叫《Conditional Generative Adversarial Nets》，简单来说就是条件生成-对抗网络。

那么何为条件，别急，等我慢慢来理理头绪。

有过一些基础的同学想必对于GAN是非常熟悉的，在生成网络领域类，GAN和VAE可谓是一骑绝尘。

（1）简单的说一下GAN

GAN网络呢，他是这么一个原理，我的输入是一个噪声，通过一个随机的噪声，通过一个被称为生成网络的部分，生成一个对象（这里常见的是包含某个对象的image），我们的目标也就是这个随机生成的image。

但是诸位看官，因为你直接输入的是噪声，输出的也只是要求是满足某个要求的图像，所以这个过程，如果单独训练的话，是不是很困难，你没有办法写损失函数，没有办法打标签。。。。。。

聪明的人类于是又想出来，我在后面加上一个判断网络，这个网络的输入包括真实图像和生成图像，判断网络的作用就是希望能够将这个生成图像给判断出来，它的输出是一个输入图像属于真实图像的概率。

然后这两个网络就较上劲儿了，他们通过一种被称为良性竞争的手段，互相帮助，携手共进，于是两人打了个五五开