基于MNIST训练GAN时Discriminator层收到2个输入张量报错问题

你遇到的报错核心原因是构造判别器训练集的代码逻辑错误，导致传入train_on_batch的输入参数不是单个样本数组，而是包含两个样本数组的二元组，判别器检测到两个输入张量与自己单输入的定义不符，触发报错。

具体错误位置与原因 #

训练函数中如下代码行存在逻辑错误：

X_train_dis, y_train_dis = shuffle(X_neg_train_dis, X_pos_train_dis), shuffle(y_neg_train_dis, y_pos_train_dis)

sklearn的shuffle函数支持传入多个数组同步打乱，传入n个数组就会返回n个独立打乱后的数组。你这行代码的实际运行结果为：

• 第一个shuffle(X_neg_train_dis, X_pos_train_dis)返回两个数组：打乱后的假样本集、打乱后的真样本集
• 第二个shuffle(y_neg_train_dis, y_pos_train_dis)返回两个数组：打乱后的假标签集、打乱后的真标签集
• 左侧仅两个变量接收右侧的四个返回值，最终X_train_dis实际是(假样本集, 真样本集)组成的二元组，y_train_dis是(假标签集, 真标签集)组成的二元组
• 二元组传入train_on_batch时，会被模型识别为两个独立的输入张量，因此触发“期望1个输入，收到2个输入”的报错。

直接替换原构造判别器训练集的代码，先拼接正负样本与对应标签，再做同步shuffle即可，保证样本与标签的对应关系不会错乱：

# 拼接正负样本
X_train_dis = np.concatenate([X_neg_train_dis, X_pos_train_dis], axis=0)
# 拼接正负标签
y_train_dis = np.concatenate([y_neg_train_dis, y_pos_train_dis], axis=0)
# 同步打乱样本和标签，保证对应关系
X_train_dis, y_train_dis = shuffle(X_train_dis, y_train_dis)

补充优化建议：你当前生成器最后输出层用了ReLU激活，MNIST数据集通常归一化到[-1,1]或[0,1]区间，建议将生成器最后全连接层的激活改为tanh或sigmoid，避免生成样本取值范围不符合数据集分布，影响训练效果。

内容的提问来源于stack exchange，提问作者logankilpatrick