G8 - ACGAN

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

---

---

模型结构

之前几期打卡中，已经介绍过GAN CGAN SGAN，而ACGAN属于上述几种GAN的缝合怪，其模型的结构图如下：

通过对模型图的分析我们可以发现，它是在SGAN的基础上，引入了CGAN的思想，这也说明我上一期中对SGAN的一些理解是错误的，SGAN实际上只是让生成的图像更具有不同分类的差异，效果更好，但是没有对应的控制生成的能力。

想要给SGAN增加控制生成的能力，我们就需要像CGAN一样引入控制量C

在生成器中：它使用一个label标签传入，经过一个嵌入层+全连接层转换为向量并合并到特征向量中。
在判别器中也是如此，将标签传入，通过嵌入后合并到特征向量中，然后传入到判别网络。

需要注意的是生成器中的输入z的维度和判别器中的潜在维度是不一样的。

代码大致为

# 在生成器的__init__方法中添加一个属性
self.condition_embedding = nn.Sequential(
	nn.Embedding(n_classes, embedding_dim),
	nn.Linear(embedding_dim, self.init_size*self.init*size)
)

# forward方法
out = xxxx
label_output = self.condition_embedding(label)
features = torch.concat((out, label_output), dim =1)
return self.model(features)

# 在判别器的__init__方法中添加一个属性
self.condition_embedding = nn.Sequential(
	nn.Embedding(n_classes, embedding_dim),
	nn.Linear(embedding_dim, 128*ds_size**2)
)

# forward方法
out = xxx
label_output = self.condition_embedding(label)
features = torch.concat((out, label_output), dim=1)
validity = self.adv_layer(features)
label = self.aux_layer(features)
return validity, label

由于下次打卡才是真正的代码，这节就先把思路写一下，验证下周再发。