Conditional-GAN

给GAN加个条件，想生成哪类图就生成哪类图

这是一个基于TensorFlow的条件生成对抗网络（Conditional GAN）实现，专注于条件卷积对抗网络的图像生成任务。项目解决了传统GAN无法控制生成图像类别或属性的问题，通过在生成器和判别器中引入类别标签等条件信息，使模型能够按指定类别生成对应图像。核心能力包括：实现条件GAN的核心架构，支持MNIST等数据集的类别条件生成，提供训练和推理的完整代码流程。项目代码结构清晰，适合学习和二次开发，是早期条件GAN研究的参考实现之一。

开源 free 图像生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 218
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类图像生成
开发团队zhangqianhui
所属国家
官网地址
GitHubhttps://github.com/zhangqianhui/Conditional-GAN
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型conditional-gan,generative-adversarial-network,image-generation
GitHub 星标★ 218
30天Star增速
HF 下载量
上线时间2016-12-12 00:00:00
最近更新2026-06-30 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 代码简洁易懂，适合入门学习条件GAN原理
  • 基于TensorFlow实现，环境搭建和运行门槛低
  • 提供完整的训练流程和可视化支持，便于观察生成效果

不足之处

  • 仅支持MNIST等简单数据集，缺乏复杂场景验证
  • 文档和注释较少，社区维护不活跃

适用场景

  • 学术研究：复现条件GAN基线模型
  • 教学演示：讲解条件GAN工作原理
  • 快速原型：验证条件生成想法

替代项目

cgan-tensorflow、ACGAN、InfoGAN

项目介绍

Conditional-GAN 是图像领域的开源项目，由 zhangqianhui 开发，2016 年首次发布。

它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 218。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-30。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：学术研究：复现条件GAN基线模型。同类可对比的替代方案包括 cgan-tensorflow、ACGAN、InfoGAN。

上一篇：soft-intro-vae-pytorch

下一篇：gansformer

同类项目推荐

satori 开源

网页代码一键变高清图，放大不糊，不用截图

Enlightened library to convert HTML and CSS to SVG

★ 13967 2026-08-09
C2GAN 开源

用关键点精准控制图像生成，让AI画出你想要的结构

[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···

★ 70 2026-08-09
DeTikZify 开源

上传图表或草图，秒变可编译的TikZ矢量代码。

Synthesizing Graphics Programs for Scientific Figures and Sketches with TikZ.

★ 1820 2026-08-09