GAN训练在Jupyter Notebook输出停滞（显示ETA:0s）的解决方法

你遇到的情况是Jupyter Notebook的输出缓冲或进度条输出导致的日志停滞，以下是几个直接有效的解决办法：

1. 关闭Keras预测进度条 #

代码中generator.predict()默认会输出进度条，大量的进度条输出会挤占输出缓冲区，导致后续日志无法正常显示。给所有predict调用加上verbose=0参数，禁用进度条：

# 训练循环中的生成假图像
fake_images = generator.predict(noise, verbose=0)

# 保存图像时的生成操作
generated_images = generator.predict(noise, verbose=0)

2. 强制刷新输出缓冲区 #

Jupyter的stdout输出会有缓冲，有时候日志已经生成但没及时显示。在打印训练日志的代码后强制刷新缓冲区：

print("Epoch {} Discriminator Loss: {} Generator Loss: {}".format(epoch, discriminator_loss[0], generator_loss))
import sys
sys.stdout.flush()  # 强制刷新输出

3. 减少日志输出频率 #

原代码每轮都打印日志，10000轮的输出量会给Jupyter带来压力。可以调整为每10轮或20轮打印一次：

# 替换原打印逻辑
if epoch % 10 == 0:
    print("Epoch {} Discriminator Loss: {} Generator Loss: {}".format(epoch, discriminator_loss[0], generator_loss))
    sys.stdout.flush()

4. 重启Jupyter内核 #

长时间运行的内核可能出现资源泄漏或缓存异常，直接重启内核后重新运行代码，能解决大部分输出阻塞问题。

5. 改用终端运行 #

如果以上方法都无效，把代码保存为.py文件，在终端中用python your_code.py命令运行，终端的输出机制更稳定，不会出现停滞情况。

内容的提问来源于stack exchange，提问作者Blob