1.3渐近式增长生成对抗网络（PGGAN)

1.导入数据库

import tensorflow as tf
from tensorflow import keras as K

2.高分辨率层渐近式平滑增长（第一个创新点）

       专业的术语，就是训练过程正在从几个低分辨率的卷积层发展到多个高分辨率层，先训练早期的层，再引入更高分辨率的层，但是即便一次增加一个层，也会给训练带来巨大的影响。PGGAN所做的就是平滑地增加这些层，以给系统适用更高的分辨率的时间

       但不是立即跳到该分辨率，而是在通过参数a平滑地增加高分辨率的新层

 

         如图所示，训练了足够迭代次数的16*16分辨率后，在生成器中G（G代表是生成器，D是鉴别器）引入了另一个转置卷积，在鉴定器中引入了另一个卷积，生成32*32层有两条路径：（1-a）乘以最近邻插值增加尺度的层，（a)乘以额外的转置卷积的输出层，二者进行拼接

def upscale_layer(layer, upscale_factor):
	'''
	按因子 (int) 放大层（张量），其中
       张量是 [组，高度，宽度，通道] 
	'''
	height, width = layer.get_shape()[1:3]
	size = (upscale_factor * height, upscale_factor * width)
	upscaled_layer = tf.image.resize_nearest_neighbor(layer, size)
	return upscaled_layer

def smoothly_merge_last_layer(list_of_layers, alpha):
	'''
	基于阈值 alpha 在图层中平滑