ContionalGAN

$$ContionalGAN$$

https://arxiv.org/abs/1411.1784

---

• 生成的图像是随机的，不可预测的，无法控制网络输出特 定的图片，生成目标不明确， 可控性不强

• 针对原始GAN不能生成具有特定属性的图片的问题， Mehdi Mirza等人提出了cGAN,其核心在于将属性信息y
  融入生成器G和判别器D中，属性y可以是任何标签信息， 例如图像的类别、人脸图像的面部表情等。

---

---

网络架构

---

• cGAN生成的图像虽有很多缺陷，譬如图像边缘模糊，生成 的图像分辨率太低等,但是它为后面的Cycle-GAN开拓了道
  路，这两个模型转换图像风格时对属性特征的处理方法均受 cGAN启发。

---

代码

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import glob

gpu = tf.config.experimental.list_physical_devices(device_type='GPU')
tf.config.experimental.set_memory_growth(gpu[0], True)

print('Tensorflow version: {}'.format(tf.__version__))

import tensorflow.keras.datasets.mnist as mnist

(train_image, train_label), (_, _) = mnist.load_data()

train_image.shape

train_label.shape

plt.imshow(train_image[5])

train_label[:5]

train_image = train_image / 127.5  - 1

train_image = np.expand_dims(train_image, -1)