GNGAN-PyTorch

梯度归一化，让 GAN 训练更稳更省心

GNGAN-PyTorch 是论文《Gradient Normalization for Generative Adversarial Networks》的官方 PyTorch 实现。该项目针对生成对抗网络训练不稳定的痛点，提出梯度归一化（Gradient Normalization）技术，通过约束判别器梯度的尺度，缓解模式崩溃和训练震荡问题。核心能力包括：提供完整的 GAN 训练框架，支持多种数据集和生成器/判别器架构，并内置梯度归一化模块，可直接替换现有 GAN 中的梯度惩罚或谱归一化。项目代码结构清晰，便于研究者复现论文结果或在此基础上进行二次开发。由于处于早期阶段，文档和示例相对有限，但核心算法实现具有参考价值，适合对 GAN 稳定性改进感兴趣的研究者和工程师。