Python WGAN损耗发散

我很难理解WGAN损失值

我知道我们不再有歧视者，而是批评家。区别在于，鉴别器试图对输入进行分类，并将其映射为0或1，而批评家则试图对其进行评分。 评分映射到任何实数，损失函数为：

L_批评家=批评家（假输入）-批评家（真输入）+权重*梯度惩罚

产生伪_输入的发电机的损耗函数为：

L_生成器=-Critic（伪_输入）

我的问题是: 在过去的几年里，我对发生器和鉴别器的损耗值会发生偏差，并且会得到非常高的数值。这是常见的吗？我在其他地方看到评论家的损失降到了0，但什么能保证这一点呢？ 据我所知，评论家试图把真假尽可能地分开

[]