CGAN是最基礎的GAN模型之一，全稱conditional GAN，意為條件生成對抗網絡。
先說一下GAN和CGAN的區別，最基本的GAN判別器只能判別真假，但無法對生成數據進行控制，即如果有兩種以上類別的訓練數據，那么GAN的生成器無法指定生成的數據，判別器也無法對真數據+假標簽進行判別。為了解決上述問題，CGAN的生成器將噪聲和標簽一起作為輸入，判別器將生成對象，原對象和標簽一起作為輸入，同時CGAN優化了判別器的判定標准，將假數據+任意標簽和真數據+錯誤標簽判別為假，將真數據+正確標簽判別為真。這樣就可以由我們自定義標簽達到輸出想要數據的目的了。
CGAN的網絡結構如下：
代碼與GAN並沒有太大區別，唯一的不同就是generator和discriminator新增label輸入,具體樣式如下：
另外只需要在generator和disciminator模型構建處修改Model喂入數據即可。