用PyTorch写GAN训练到一半loss爆了，有人遇到过类似情况吗？

这很典型是模式崩塌，试试给判别器加梯度惩罚或标签平滑，能稳住loss。

这情况太典型了，八成是判别器学得太快把生成器压死了，模式崩塌的特征。你可以试试把判别器的学习率降到生成器的一半，比如0.0001，或者给判别器加个label smoothing，让它的判断别那么“自信”。另外检查一下生成器有没有用BatchNorm，有时候它反而会加剧训练不稳定。

这种loss走势大概率是判别器过拟合了，试试给判别器加一点dropout或者调低它的学习率。

这情况太典型了，八成是判别器学得太快导致生成器梯度消失。你可以试试给判别器加个标签平滑，把真实标签从1换成0.9，或者每训练一次判别器就训练两次生成器来平衡一下。另外检查下损失函数有没有用错，BCEWithLogitsLoss比直接BCELoss更稳定。我自己的经验是调小判别器学习率到0.00005也能缓解这种突然崩掉的问题。

这个现象太典型了，八成是判别器学得太快把生成器压死了，也就是判別器loss先崩、生成器跟着摆烂的那种模式崩塌。你可以试试把判别器的学习率调低一点，比如改成0.00005，或者每更新两次生成器才更新一次判别器，让两边节奏平衡些。另外加标签平滑和梯度惩罚（比如WGAN-GP的思路）也能有效稳住训练，我自己之前用类似参数调了一周才试出来。

试试把D和G的学习率分开调，D降到0.0001，G保持看看，或者加个label smoothing也能稳住。