# 一维生成对抗网络（GAN）训练

> 来源：https://deeplearning.bnuai.com/demos/gan-1d ｜ 作者：唐志清（北京师范大学） ｜ 更新：2026-11-01 ｜ 内容依据邱锡鹏《神经网络与深度学习》（https://nndl.ai/）及作者公开课件

> （此处为交互演示，请在网页中使用：https://deeplearning.bnuai.com/demos/gan-1d）

## 观察要点

1. GAN 是生成器与判别器的极小极大博弈，最优判别器下等价于最小化 JS 散度。
2. 生成器通常用非饱和损失 −log D(G(z))，避免训练初期梯度消失。
3. 模式坍塌、训练震荡是 GAN 的典型问题，WGAN 等改进由此而来。

相关章节：[第 13 章 深度生成模型](https://deeplearning.bnuai.com/chapters/13-deep-generative-models)。