可以訓練這樣的模型，生成的結果符合設定規則，但是不太可能實用，因為在實際設計中有很多理論以外的條件和經驗，這些並不能透過模型來實現，如果只是利用這個模型生成一些思路的話倒是可以參考。

首先,Python是一門程式語言，理論上是支援所有演算法的改寫。

針對你的問題描述，想要透過GANs應用在建築行業，並且讓其根據設定的已知條件來生成對應的圖紙。理論上是可行的，這個也僅僅存在於理論上。原因如下。

首先由於機器和人的存在真正的視覺差異，並且機器的深度學習依賴於對抗樣本，即真實樣本略加擾動而構造出的合成樣本。這樣就會產生一種現象，假如我們提供一個真實樣本，機器透過對抗樣本產生對抗網路。這樣機器就會將一些原本不存在或者我們沒有驗證過得一些樣本進行歸類，我們無法對這一類樣本的安全性，準確性進行校驗，但是機器卻會高度信賴這些樣本。其次，真實建築行業很多都是需要進行各種計算才能得出圖紙，比如架構，承重等等。因此假設我們完成了這一演算法的研究，那麼機器給出的圖紙到底可信與否才是我們最終要解決的問題。

另外，關於GANs的相關文獻或者資料可以選擇去國內外的專題論文文獻中檢視，如果沒許可權可以在GitHub上搜索the-gan-zoo。然後直接檢視 README.md。可以選擇自己想要了解的文獻內容去尋找相關答案，目前我的答案或許只是很入門級的觀點，希望給你提供的資料能夠幫助你一些。

最後，如果這個設想能夠成功，這一研究經費恐怕無法想象,這一技術也是歷史性的突破，希望我有機會見證。

Python作為一門公認的膠水程式語言，可想而知沒有它不能做的。

之前我學習資料結構及基本演算法都是用C做過，像最喜歡考的氣泡排序、二分查詢、選擇等等，其實後來學了Python後，也嘗試過用Python來實現演算法編碼，效果吧也還不錯。

一起來看看吧！之前做的氣泡排序小演算法。

例如：又這麼個列表list =[1,3,2,7,9,4,2,6,100,89,34,12,38],用冒泡演算法排序。

這點上與我們的C語言差不多，除了語法上有出處。

後來又學了人工智慧，其實說白了，就是透過演算法設計對大量的資料進行分析分類，並呼叫這些分類的資料與測試資料進行匹配，然後生成想要的新資料或者辨別新資料。

對於神經網路生成新的圖片、影象已經不是什麼秘密了，但基本上都是些人臉識別、生成人臉啥的。之前得到訊息說，古代名畫也可以利用計算機生成。可想生成建築圖紙也不是難事。

以影象生成為例，看能否給你啟示，需要原始碼也可以給你。

第一對資料進行預處理

第二建立神經網路

將透過部署以下函式來建立 GANs 的主要組成部分:

生成人臉倒是可以的，但這個效果還不是很好，我想要是改良此演算法應用於圖紙生成，估計做出來的效果還得返工。如果能把做圖紙的一些肢體動作資料記錄下來，沒準透過軟硬體結合，可能會快速實現圖紙設計（這樣的話，就不是創造了，只是製作了）

是可以的，python提供了很多用於數學計算的庫比如numpy，math等庫，如果個別演算法不合適你可以覆蓋重新。