本文是学习自李宏毅深度学习教程的内容，之前学习过CGAN，本文想做一些补充的内容，也算是完善下认识。
也是因为自己有强迫症。

1：网络结构稍加改变
之前认识的CGAN的结构如下：

最后在D网络输入的地方，只输出一个标量，这个标量既要代表是否是真实的图片，还要代表C和Z是否是匹配的，这样做的话呢，如果给一个样本输入，最后给了个低分，我们就无法区分出到底是哪个原因导致的。

因此对D网络稍稍做了点改变就是为了使我们能区分出是哪个原因导致的，也就是输出两个标量，一个代表是真实的？另一个代表数据X和条件C是不是匹配的？

输出是两个标量，可以在基础上稍加改进，增加一个小网络结构

两个标量的含义都是容易理解的，只不过分开做了表示，在结果解释上就更加清晰明了，最后只会需要将这俩的损失和相加即可。

2：负样本来源
以前我们学的负样本来自G的构造，期望D 把G构造的X判定为不是真实数据。
现在还有一个负样本（X,C）pair是来自真实数据源本身，那就是真实的标签tag和随机采样的真实X，也就是驴唇不对马嘴，虽然D会觉得X是真实的，但是C和X不匹配，这也是不行的。所以这也是负样本。

对于G来说，没有变化，此处增加了一项负样本的计算。