BigGAN作为GAN发展史上的重要里程碑，将精度作出了跨越式提升。在ImageNet （128*128分辨率）训练下，将Inception Score (IS，越大越好) 由之前最好的52.52提升到166.3，Frechet Inception Distance (FID，越小越好) 由之前最好的18.65提升到9.6。
说人话就是生成的图样越来越逼真了。BigGAN可以生成ImageNet上1000个类别的图像，并且通过截断技巧（truncation trick），通过设置阈值的方式来截断先验分布 z 的采样，其中超出范围的值被重新采样以落入该范围内。
话不多说，上效果图：
生成单一类别图像，生成热狗图像
运行single_class_run.py文件后，在文件中会生成一个one_class_output.png图像。
生成两个类别的渐变图像，狗到猫
运行two_class_run.py文件后，在文件中会生成一个two_class_output.png图像。
从生成效果来看，真的老好了，GAN真的是YYDS，快自己来试一下吧。
支持的生成类别可以在category.txt文件中找到。如果是生成单一图像在txt文件中找到自己感兴趣的类，把整行复制下来在single_class_run.py中第23行赋值给category就可以了，也可以再调整一下truncation属性。对于生成两个类的渐变图像，找到你想过渡两个类别，分别赋值给category_A和category_B就可以了。