在CGAN网络中，需要给生成器和判别器均添加一个condition，来生成我们想要的数据。在InfoGAN中，我们不提供相应的condition，而是根据数据推断出是哪个condition。

InfoGAN所要达到的目的就是通过非监督学习的额方式得到可分解的特征表示，使用GAN加上最大化生成的图片和输入编码之间的相互信息

网络架构

image.png
不同的是InfoGANZHONG 多了一个训练网络，使得训练的条件具有强相关性，

最后在训练结果中 ，每个condition都会控制图像的 一个 特征 ，