初学者学习gan建议

上周导师要求我用gan补充数据，于是我开始了艰难的入门之旅。
首先就是安装tensorflow环境，这里非常需要注意的是版本问题，tensorflow2.0只支持python3.6以上的版本。最最重要的是tensorflow2.0不可以兼容之前版本，2.0以后的版本又称动态版本，在模型建立后可以直接运行，这与之前版本有很大不同。有些同学认为肯定安装新版本，我当初也是这么想的，导致吃了很多亏，因为现在网络上很多的代码都是用之前版本编写的，这会造成巨大困扰，当然随着你对tensorflow慢慢熟练之后，也就不是事了。或者你可以在import时候改变tensorflow的impor方式，也可以继续使用之前代码。如下：
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
然后安装tensorflowflow版本确定后就是安装步骤，建议跟着b站视频走，网络博客中很多方法使用不了。
gan知识的前提储备，我觉得只要自己尝试过神经网络代码构建，并且知道卷积神经网络的原理，基本可以无压力理解gan网络。
gan网络框架构建没有啥难的，也好理解，最最最重要的是gan训练了。
单纯的gan用来训练图片还可以有些成果，但是要是去生成补充纯数据，真的会哭，这让我开始总觉得自己代码出错了，浪费了很多时间在没结果的反思上面，所以刚开始不要觉得自己哪里出错了，慢慢往下学，会有好的结果。
然后就是我踩的一个大坑了，就是生成器与判别器的训练，**一定，要，分开！！！**训练生成器的时候要关联判别器，并且判别器的trainable设为False，训练判别器的时候就只训练判别器。而且需要注意的是，判别器的训练次数要比生成器多。
单纯的gan效果会有很多局限，也可以使用wgan，或者数据增强gan。以为目前正在学wgan，也给不了太多建议，况且当大家学到wgan时，已经过了入门阶段，可以自主学习了。
总结一句话就是，做深度学习的，写代码并不难，难的是理解各个模型背后的原理，因为只有理解了这些原理，你才能明白这些idea是怎么来的，你才能有自己的创新。这次因为是急着完成导师的任务，我也是对这些原理囫囵而过，后面有时间了，一定撸了它！