David Ha / hardmaru 原生研究与教程· David Ha / hardmaru·收录时间：
图文David Ha：分类约束、残差门与视觉生成实验
David Ha：分类约束与残差生成器的高分辨率视觉实验
人工整理
人工整理｜2016具体实验用数字标签与fake第11类约束生成器，保留latent KL并替代像素重建；深窄残差块的较大relu权重与近零tanh门用于取舍随机纹理和训练信息。两张白底数字5/9原PNG已看，可参考实验目标、训练程度与视觉评价的关系。96层和24×(4relu+1tanh)口径分别保留，未统一认证架构或执行训练。艺术趣味与类别覆盖为作者解释，2016的Style GANs不当后来StyleGAN系列；原页2016-06-02。
来源冻结，保留历史评分；当前未重新评审
评分依据
正文明确说明以分类约束替代逐像素重建、用深窄残差生成器及大权重ReLU与近零权重tanh初始化保留随机纹理，并讨论训练轮数与视觉趣味的取舍，可供生成艺术实验迁移，但两幅数字样本不足以独立核验各项改动及训练轮数的效果差异。
来源：David Ha / hardmaru 原生研究与教程 · blog.otoro.net