为什么我的GAN每次运行都输出相同图像且无多样性？附完整代码

每次运行代码时得到的生成图像完全一致，示例如下：

核心原因 #

• 最直接的问题出在预览图保存逻辑：代码在全局作用域仅生成了一次fixed_noise固定噪声向量，训练全程调用save_images时都传入这个固定噪声，生成器权重收敛后，相同输入必然输出相同结果。
• 若你是每次重新运行整个程序得到的结果都完全一致，大概率是代码开头固定了全局随机种子（如np.random.seed()、深度学习框架的全局随机种子设置），固定种子会让每次程序运行的随机数序列完全相同，生成结果自然不会变化。
• 极小概率为GAN模式崩溃，但你提到生成图像质量符合预期，该情况可能性极低。

解决方法 #

1. 如需每次保存的训练预览图有差异，将训练循环内的保存逻辑修改为每次传入新生成的随机噪声：
   将原代码

save_images(step, fixed_noise, generator)

修改为：

# 每次生成新的随机噪声输入
new_noise = np.random.normal(0, 1, (PREVIEW_ROWS * PREVIEW_COLS, random_dim))
save_images(step, new_noise, generator)

2. 如每次重新运行程序结果都相同，删除代码中所有固定全局随机种子的语句即可。
3. 若测试多组不同随机噪声输入生成器仍得到完全相同的输出，可确认为模式崩溃，通过调低学习率、添加标签平滑、改用WGAN-GP等改进训练策略即可解决。

内容的提问来源于stack exchange，提问作者Sinister 3665