Tensorflow 训练（DC）GAN，D（G（z））变为0.5，而D（x）保持0.9，G（z）变为损坏
我目前正在为1x32x32通道、高度、宽度图像培训DCGAN。 在训练中，Gz很快变得相当现实，除了“棋盘”工件可见的问题，但这应该在大量训练后消失吗？ 但是，经过长时间的训练后，DGz变为0.5000，不再变化，而Dx保持在0.8和0.9之间。每当DGz变为0.5时，它也开始输出完全黑白图像。因此，生成器不再生成与训练数据集中的内容相近的任何内容。Gz只是变成一个黑色或白色的正方形Tensorflow 训练（DC）GAN，D（G（z））变为0.5，而D（x）保持0.9，G（z）变为损坏,tensorflow,keras,pytorch,Tensorflow,Keras,Pytorch,我目前正在为1x32x32通道、高度、宽度图像培训DCGAN。 在训练中，Gz很快变得相当现实，除了“棋盘”工件可见的问题，但这应该在大量训练后消失吗？ 但是，经过长时间的训练后，DGz变为0.5000，不再变化，而Dx保持在0.8和0.9之间。每当DGz变为0.5时，它也开始输出完全黑白图像。因此，生成器不再生成与训练数据集中的内容相近的任何内容。Gz只是变成一个黑色或白色的正方形 所使用的网络来自原始DCGAN纸张，是1x32x32图像的适配器。已将relu替换为泄漏的relu。通过切换到W
所使用的网络来自原始DCGAN纸张，是1x32x32图像的适配器。已将relu替换为泄漏的relu。通过切换到WGAN-GP解决了问题。 事实证明，在训练时，它更稳定