Progressive-GAN-pytorch:渐进式GAN的pytorch实现，该实现实际上有效，可读且易于自定义

渐进式GAN火炬 渐进式GAN的pytorch实现，可以实际工作，可读且易于自定义 描述 为了进行研究，我简化了训练Progressive-GAN的代码，使其更易于阅读和自定义。 此实现是可移植的，具有最小的库依赖性（仅torch和torchvision），并且只有2个代码模块。 在代码中，您可以轻松地调整训练模式，损失函数和网络结构等。 该论文的主要贡献是：1. GAN的逐步增长； 2.鉴别器上的minibatch std； 3.生成器上的pixel-norm； 4.均等的学习速度； 已全部实施。 享受不断发展的基础设施的好处，并将其移植到您自己的研究和产品中！ 怎么跑 要开始训练，只需运行： python train.py --path /path/to/image-folder 具有更多配置的示例可以是： python train.py --path /path/to/ima