GAN 网络训练中，G_loss上升，D_loss下降

最近重写拾起了GAN网络，做layout的生成工作，但是在训练的过程中又出现了G和Dloss不按照正常的情况下降和上升：

网上查找的原因是：种情况是判别器太强了，压制了生成器。

查询资料后总结的方法

1 提升G的学习率，降低D的学习率。

2 G训练多次，D训练一次。

3 使用一些更先进的GAN训练目标函数。

当模型分布的支持与目标分布（真实图像）的支持不相交时，存在一个能够很好区分模型分布和目标分布的discriminator，在这种情况下，discriminator对输入的导数为0，这样generator的训练会完全停止。也可能不停止，但是一般D loss会变为0，G loss一直波动，甚至有可能爆炸，生长，这会导致GAN的训练非常困难

参考资料：

训练GAN时，遇到G_loss不断上升最后平稳，D_loss不断下降最后趋于0,这种情况应该如何调整？ - 知乎