Most deep neural networks are trained under fixed network architectures and
require retraining when the architecture changes. If expanding the network's
size is needed, it is necessary to retrain from scratch, wh
本文提出一种动态增长的 GAN 训练方法,将架构搜索技术作为一个交错步骤与梯度训练相结合,以周期性地寻求生成器和鉴别器的最佳架构增长策略,从而实现了逐步增长训练的好处和更广泛的架构设计空间的改进性能,实现了新的图像生成技术的最新进展,提供了生成器 - 鉴别器平衡和卷积层选择等 GAN 模型设计方面的建设性见解。