特别是，我们重新设计了生成器归一化，重新审视了渐进增长，并正则化了生成器，以鼓励在从潜在代码到图像的映射中进行良好的条件调节。总的来说，我们改进的模型在现有的分布质量指标和感知图像质量方面重新定义了无条件图像建模的最新技术。然后会出现warming在本地服务器训练的时候会出现CANN报错的情况，估计是npu-HBM爆满了或者是CANN版本的问题，在训练的过程中第一轮时间比较慢不要紧，等多一会就好了

拟议架构的代码是公开的。那么我简单的讲一下作者修改这个的意图：作者认为传统的直接拼接并没有让模型很好的学习到下采样中的前景特征，直接进行拼接反而会不好，没有对想要学习部分进行一个很好的关注，所以作者希望设计一个容易插入的模块，能够针对目标区域（抑制不相关的区域被注意），其实就是相当于做一个特征筛选或者关注的工作，针对于图像的背景。那我们这篇paper的作者就针对这个unet模型进行一定的修改，主要

拟议架构的代码是公开的。那么我简单的讲一下作者修改这个的意图：作者认为传统的直接拼接并没有让模型很好的学习到下采样中的前景特征，直接进行拼接反而会不好，没有对想要学习部分进行一个很好的关注，所以作者希望设计一个容易插入的模块，能够针对目标区域（抑制不相关的区域被注意），其实就是相当于做一个特征筛选或者关注的工作，针对于图像的背景。那我们这篇paper的作者就针对这个unet模型进行一定的修改，主要