conditional generation by

GAN是生成对抗网络（Generative Adversarial Network）的缩写，是一种用于生成新样本的机器学习模型。在条件生成GAN中，生成器通过输入一个条件（condition）来生成与该条件相关的样本。条件可以是任何形式的信息，例如文字、图像或其他特征。

在有监督的条件生成GAN中，生成器和判别器都接收一个条件作为输入。生成器通过学习从条件到样本的映射关系，生成与条件相关的样本。判别器则通过学习区分真实样本和生成样本的能力来提供反馈。这种方法可以用于生成与给定条件相关的样本，如根据给定的文字描述生成图像。

在无监督的条件生成GAN中，生成器只接收一个随机向量作为输入，而判别器则同时接收条件和样本。生成器通过学习将随机向量映射到与条件相关的样本空间中，从而生成与条件匹配的样本。判别器则通过学习判断生成样本与条件是否匹配来提供反馈。这种方法可以用于生成与给定条件匹配的样本，如根据给定的标签生成图像。

总结起来，条件生成GAN是一种用于生成与给定条件相关的样本的机器学习模型。它可以通过有监督或无监督的方式进行训练，生成与给定条件匹配的样本。
#### 引用[.reference_title]
- *1* *2* *3* [2020李宏毅机器学习笔记——26.Conditional Generation by GAN（条件生成—GAN）](https://blog.csdn.net/weixin_44790306/article/details/120097305)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]