CGAN是最基础的GAN模型之一，全称conditional GAN，意为条件生成对抗网络。
先说一下GAN和CGAN的区别，最基本的GAN判别器只能判别真假，但无法对生成数据进行控制，即如果有两种以上类别的训练数据，那么GAN的生成器无法指定生成的数据，判别器也无法对真数据+假标签进行判别。为了解决上述问题，CGAN的生成器将噪声和标签一起作为输入，判别器将生成对象，原对象和标签一起作为输入，同时CGAN优化了判别器的判定标准，将假数据+任意标签和真数据+错误标签判别为假，将真数据+正确标签判别为真。这样就可以由我们自定义标签达到输出想要数据的目的了。
CGAN的网络结构如下：
代码与GAN并没有太大区别，唯一的不同就是generator和discriminator新增label输入,具体样式如下：
另外只需要在generator和disciminator模型构建处修改Model喂入数据即可。