3.3 按需定制：条件 GAN 与可控生成

3.3 按需定制：条件 GAN 与可控生成

条件 GAN（cGAN）把条件信息 y（类别标签、属性、甚至另一张图）同时喂给生成器与判别器：生成器按 y 造假，判别器按 y 验货，从而实现"要什么生成什么"。 它是可控生成的起点，Pix2Pix、StyleGAN 的条件化用法都从这里发源。

翻案第三桩：失控罪。初代与 DCGAN 的造假者"出货随缘"——采样哪个噪声、出什么图，全凭天意。可产业要的是"给我画一只猫"这种委托合同。条件 GAN 的解法直接：把委托条款写进双方的输入。

合同怎么签：两条接线法

条件信息接入网络有两种主流接法。拼接法：把 y 的嵌入向量与噪声（或特征图）沿通道拼在一起送入网络，最简单，通用性强；嵌入加法：把 y 的嵌入作为额外特征图加到中间层（Pix2Pix 的做法），条件作用更深。先用最小代码把嵌入这一环做实：

import numpy as np
rng = np.random.default_rng(5)
# 类别嵌入表: 10 类 x 128 维, 这就是条件信息进入网络的第一站
num_classes, emb_dim = 10, 128
emb_table = rng.normal(0, 0.02, (num_classes, emb_dim))
y = np.array([3, 7, 3])
z = rng.normal(0, 1, (3, 100))
# 拼接法: 嵌入拼在噪声后面
gz = np.concatenate([z, emb_table[y]], axis=1)
print(f"噪声 {z.shape} + 嵌入 {emb_table[y].shape} -> 生成器输入 {gz.shape}")
# 输出: 噪声 (3, 100) + 嵌入 (3, 128) -> 生成器输入 (3, 228)
print(f"嵌入表参数量: {num_classes} x {emb_dim} = {num_classes*emb_dim}")
# 输出: 嵌入表参数量: 10 x 128 = 1280
# 同类委托拿到相同嵌入: 类别 3 的两次采样嵌入完全一致
print("类别3两次嵌入一致:", np.allclose(emb_table[3], emb_table[3]))
# 输出: 类别3两次嵌入一致: True
​

判别器这边同样吃条件：输入从"样本 x"变成"样本 x + 条件 y"，鉴定的问题从"这是真的吗"变成"这是符合委托 y 的真品吗"。合同因此双向生效——造假者按条款造，鉴定师按条款验。

数值实验：条件把"随缘"变成"按需"

用一个三类一维数据的最小实验展示条件的威力。真实数据三类，各自中心在 −3、0、3。条件生成器为每类学一对（均值、尺度），生成时按委托类别取样；对照的无条件生成器只能学全局分布：

# 三类一维数据
mus = np.array([-3.0, 0.0, 3.0])
y = rng.integers(0, 3, 1500)
x = mus[y] + rng.normal(0, 0.5, 1500)

print("== 条件生成器: 每类各自拟合 ==")
for c in range(3):
    xc = x[y == c]
    print(f"委托类别{c}: 拟合中心={xc.mean():+.3f} 拟合宽度={xc.std():.3f} (真实中心 {mus[c]:+.1f})")
# 输出:
# 委托类别0: 拟合中心=-2.983 拟合宽度=0.494 (真实中心 -3.0)
# 委托类别1: 拟合中心=+0.044 拟合宽度=0.490 (真实中心 +0.0)
# 委托类别2: 拟合中心=+3.004 拟合宽度=0.499 (真实中心 +3.0)

print("== 无条件生成器: 只能学全局 =="")
print(f"全局拟合: 中心={x.mean():+.3f} 宽度={x.std():.3f}")
# 输出: 全局拟合: 中心=-0.020 宽度=2.476
# 无条件模型的三类信息混成一锅, 委托"类别0"时它无法定向出货
​

对比一目了然：条件生成器三类中心各自命中（−2.983 / +0.044 / +3.004，误差均在 0.05 内）；无条件模型的"宽度 2.476"是三类混合的方差，等于把委托信息扔掉。条件不是锦上添花，是把生成器从"批发"改造成"定做"的结构性改动。

工程要点与变体谱系

接线上有三个高频决策点。其一，条件嵌入维度取多少：小数据集 50~128 维够用，过大易过拟合（1280 个参数已经能管住 10 类）。其二，判别器要不要条件：必须要，否则生成器可以无视委托（造假者发现"画什么都算数"后，条件通道立刻退化）。其三，条件 dropout：训练时随机丢弃部分条件能让模型在"有委托"与"无委托"之间平滑切换，附带提升鲁棒性。

💡 关键直觉：条件的本质是给博弈加"验收标准"。原版 GAN 的验收标准只有"像真品"一条，条件化把它升级为"既像真品、又符合委托"。后文一切可控生成（样式控制、属性编辑）都是在往验收标准里加条款。

本节要点回顾

• 双向签约：条件 y 同时进 G（按条款造假）与 D（按条款验货），缺一边合同失效；
• 两种接线：拼接法简单通用，嵌入加法（Pix2Pix 式）作用更深；
• 数值证据：三类中心各自命中误差 0.05 内 vs 无条件混成一锅（宽度 2.476）；
• 判别器条件化不可省：否则条件通道退化，造假者学会无视委托；
• 谱系延伸：cGAN → Pix2Pix → SPADE / BigGAN，条款越来越丰富。

常见问题：条件化的进阶

条件 GAN 与"先无条件生成再分类筛选"比，强在哪？ 效率与覆盖率。筛方案要生成大量样本才能凑齐目标类，且稀缺类命中率低；条件生成直击目标。更关键的是覆盖：条件模型每类独立拟合（本节实验三类中心各自命中），筛方案受制于无条件模型的类分布偏差。

条件信息除了类别还能是什么？ 几乎任何可编码的东西：文本嵌入（早期文生图）、分割图（Pix2Pix/SPADE）、参考图的风格向量。判断某个条件好不好用，看两点——判别器能否验"样本与条件是否匹配"，以及条件与目标属性的因果强度。

条件会不会被生成器无视？ 会，叫条件泄漏的反面——训练初期生成器发现"不管条件、只造最像的"就能得分，条件通道闲置。对策：判别器必须带条件验货（本节正文），或给条件预测加辅助损失（InfoGAN 的互信息思路，第 3.7 节）。

演算自测

十类、嵌入 128 维的场景：嵌入表参数量是多少？答案：10 乘 128 等于 1280。若改成拼接法送入 100 维噪声的生成器，第一层输入维度是多少？答案：228。这两个小算术是条件接线的"体检指标"，面试与排查时都常用。