用PyTorch写GAN训练到一半loss爆了，有人遇到过类似情况吗？

我遇到过一模一样的，DCGAN训到后期discriminator loss飙到20多基本就是梯度爆炸了，你把D的输入加个gradient penalty试试，或者干脆把learning rate降到0.0001以下。另外自拍数据集如果不够干净或者人脸不够居中，比CelebA难训很多，建议先裁剪对齐到64x64再跑。模式崩塌的话通常loss曲线是震荡的，不会像你说的这样突然断崖式跳变，所以先排除爆炸。

我之前也卡在这，后来发现是D的最后一层没用sigmoid而是裸的logits，然后BCEWithLogitsLoss里又叠加了别的操作，改回来就好多了。你可以把D和G的loss分开打印，再看看D对真实图和假图的输出均值，如果真实图输出突然掉到负数很大，就是爆炸没跑了。trick的话，试试给D加个label smoothing，或者每训练一次D就训练两次G，能稳不少。

D loss飙到20多、G loss掉到0，这基本就是D太强把G压死了，模式崩塌的典型症状。你可以先看看D的梯度norm是不是爆炸了，顺便把D的更新频率降一降，比如每训两次G才训一次D。另外DCGAN里加个谱归一化或者把D的lr调低一点（比如1e-4）挺管用的，我上次这么改完就稳多了。

我当初也卡在这个阶段，200个epoch左右D loss飙升基本就是D太强了，G梯度消失导致的崩盘。你可以先看看D的准确率是不是快接近1了，如果是就说明D过拟合了。建议把D的更新频率降一降，比如每更新两次G才更新一次D，或者给D加个label smoothing，把真实标签从1改成0.9。另外自拍数据集样本量小也容易崩，试试加一点数据增强或者用TTUR把D的学习率调低一半。