企业官网建设流程全解析

做生成式图像的朋友应该都有过类似经历：在社区里刷到别人用 GAN 生成的逼真人像、抽象艺术或游戏原画，自己也兴致勃勃配了主机、装了 Ubuntu，结果训练跑到一半发现生成出来全是同一张脸的畸形变体，或者干脆全是噪点。我在这篇文章里围绕一个实际问题展开：如何在 Ubuntu 22.04 上搭建 GAN 训练环境、从零开始训练一个能出图的生成对抗网络，以及后续如何针对训练效果做稳定性优化。文章会结合我的实操经验，把能复现、能避坑的关键路径都拆开讲清楚，适合对生成式模型感兴趣的中级开发者、在 Ubuntu 上想快速开始实验的研究生或工程师，以及所有正被 GAN 训练不稳定折磨的人。

先说明一下，这篇文章不会直接给你一个“万能模型”，而是帮你建立一套从环境到数据、从架构到训练调优的完整决策链。GAN 不像普通分类模型，拿起来就能跑，它更像两个互相较劲的对手在持续博弈，任何一个环节失衡都会导致整个训练崩盘。下面直接从 GAN 的内核开始讲，这是理解后面所有调优技巧的前提。

1. 为什么GAN训练经常“不听话”：核心机制与主要坑点的地图

首先要搞清楚，GAN 不是一个“直接优化到目标”的模型，而是两个网络在互相博弈中共同进步的过程。生成器 G 的任务是从随机噪声 z 映射到图像 x；判别器 D 的任务则是把真实图像和 G 生成的假图像区分出来。原始 GAN 的核心目标函数是：

min_G max_D V(D, G) = E_x~p_data[log D(x)] + E_z~p_z[log(1 - D(G(z)))]

这个公式看上去很简洁，但工程上的所有麻烦都藏在这对 min 和 max 之间。整个训练是零和博弈：生成器每变强一点，判别器也随之变强；但如果一方领先太多，另一方就会陷入梯度消失或梯度爆炸的境地。要弄清它为什么改良起来如此费劲，得从下面几个机制说起。

1.1 生成器和判别器的博弈到底在优化什么

这里的 p_data 是真实数据分布，p_z 是噪声分布，通常是标准正态分布或均匀分布。生成器的目标是让生成分布 p_g 尽可能接近真实分布 p_data，实现方式有两种：一是直接最小化生成样本与真实样本之间的某种距离；二是通过骗过判别器来反向调整生成器，使其产生更逼真的图片。后者避免了直接计算复杂的生成分布密度，但也带来了训练不稳定的代价。

判别器 D 在经典 GAN 中是一个二分类器，对真实图像输出接近 1 的分数，对生成图像输出接近 0 的分数。生成器的损失并不直接用 D(G(z)) 接近 1，因为它无法直接控制 D 的输出，只能通过更新生成器 G 的参数，朝 D 更认可的方向移动。于是整个训练过程就像一场猫鼠游戏：判别器不断完善鉴别标准，生成器在同一条标准的压力下不断调整输出。

随着训练推进，一个关键指标是判别器的判别能力不能太强——如果它瞬间就把真假分得干干净净，生成器的梯度会因为 sigmoid 的饱和区而变得微乎其微，导致生成器长期得不到有效更新。这也是原版 GAN 最难伺候的地方，后面 WGAN-GP 等一系列改进，本质上都是在解决这个“判别器过强”的问题。

1.2 模式崩塌（Model Collapse）与梯度消失的本质

模式崩塌是指生成器最终只学会生成少数几类样本，这些样本在各批次之间几乎完全相同。这在实战中高频出现。一个典型的诱发因素是：当判别器被训练过度且对某些样本的判别极其自信时，生成器的损失梯度只会朝向极少数最容易骗过判别器的方向收敛，多样性彻底丢失。

更复杂的版本是循环性模式崩塌：生成器某一轮学会了某种偏方骗过判别器，下一轮判别器调整策略后，生成器又换成另一个单一骗法。此时从损失曲线看似乎一切正常，但生成的样本高度同质，根本覆盖不了真实分布。

梯度消失则通常发生在训练早期或者判别器收敛过头的情况下。经典 GAN 的判别器使用二进制交叉熵，当判别器能 100% 分出真假时，生成器得到的梯度接近零；而对生成器求导时需要对 log(1 - D(G(z))) 做反向传播，在判别器非常强时这部分梯度也会趋近于零。这就是很多新手第一次跑 GAN 时经常遇到的状况：loss 半天不动，生成图全是噪点。

1.3 训练G之前你必须理解的工程成本

可能有人觉得训练一个 GAN 也就是跑个几步的事，但我的体会是：GAN 的调参工作量是很多传统监督模型的数倍。传统分类模型只需关注训练集损失和验证集指标，而 GAN 需要同时观察生成器损失、判别器损失、生成图片的视觉质量、多样性、是否在反复横跳以及是否出现过拟合。任何单一指标都不能告诉你“模型到底训练好了没有”，必须组合起来综合判断。

硬件成本同样不能小看。同样一张 256×256 的人像，如果用最基础的 DCGAN 尝试，几个小时就能看出端倪；如果换到更高分辨率的模型，一块 24GB 显存的显卡也得按天为单位来训练。这对显存、硬盘空间和散热都提出了额外要求。建议动手前先规划好预算和实验周期，不要心存侥幸，指望第一次实施就一键出大片。

2. Ubuntu 22.04环境搭建：从驱动检查到PyTorch可复现配置

现在进入最劝退新人的环境搭建环节。环境不对，后面一切白搭。我在 Ubuntu 22.04 上重建过多次 GAN 训练机器，为什么选 22.04 LTS？它足够稳定、软件源更新及时，对 CUDA 和深度学习框架的兼容性也更好。下面按顺序把每一步拆开讲，并附带真实会踩到的坑。

2.1 检查GPU可用性与安装NVIDIA驱动

第一步先确认机器上到底有没有 NVIDIA GPU，以及驱动是否已经可用。打开终端执行：

nvidia-smi

如果没有任何输出，说明驱动未安装或没有 NVIDIA 显卡。Ubuntu 22.04 上如果之前装过开源驱动 nouveau，建议先把相关内核模块禁用掉，否则会和 NVIDIA 闭源驱动冲突。做法是编辑 /etc/modprobe.d/blacklist-nouveau.conf：

echo "blacklist nouveau" | sudo tee /etc/modprobe.d/blacklist-nouveau.conf echo "options nouveau modeset=0" | sudo tee -a /etc/modprobe.d/blacklist-nouveau.conf

保存后执行 sudo update-initramfs -u，重启后再安装驱动。

安装驱动我个人推荐直接用发行版仓库的版本，比如 nvidia-driver-535 或更高版本，命令如下：

sudo apt update sudo apt install nvidia-driver-535

安装完成后重启，再次运行 nvidia-smi 应该能看到 GPU 型号、驱动版本和显存信息。如果输出一堆错误，比如 "Unable to determine the device handle"，多半是驱动没完全加载，可以运行 dmesg | grep nvidia 查看内核日志定位原因。

注意：不同驱动分支对 CUDA 版本的兼容性不同，先确认显卡架构（比如 Ampere 还是 Ada），再选择驱动分支。没必要追最新版，稳定优先，性能差距通常很小。

2.2 安装CUDA Toolkit和cuDNN

驱动装好后安装 CUDA Toolkit。这里有个常见误解：很多人以为必须手动装 CUDA 才能用 PyTorch，其实 PyTorch 默认自带 CUDA runtime，系统级 CUDA 对常规训练并非必需。不过为了跑一些底层算子或自定义 kernel，装一份也无妨。

最简单的方式是直接用官方 apt 源或仓库包：

sudo apt install nvidia-cuda-toolkit

但这个版本可能较旧。如果你想装 CUDA 12.x 的特定版本，官方提供 runfile 安装方式。装完验证：

nvcc --version

cuDNN 的安装需要注意与 CUDA 版本匹配，直接用 pip 安装 nvidia-cudnn-cu12 是省心选择，这样它和 PyTorch 共用一套运行库，基本不用配置额外路径。

2.3 创建Python虚拟环境并安装PyTorch

推荐用 Python 自带的 venv 或 conda 创建独立环境。系统自带的 Python 3.10 + venv 足够：

python3 -m venv gan_env source gan_env/bin/activate pip install --upgrade pip

接着安装 PyTorch。我的习惯是用官方指定源安装对应 CUDA 版本，比如 CUDA 12.1：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

装完后先别急着写模型，跑一段检查：

import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))

如果 torch.cuda.is_available() 返回 True，环境基本就通了。这里有一个很常见的坑：PyTorch 能正常 import，但 CUDA 就是不可用，十有八九是装了 CPU 版本，或者 CUDA 与驱动版本不匹配。只要用官方指定 index-url 安装基本就能规避。

2.4 验证环境与常见错误排查

为了确保后续代码不会无声无息地在 CPU 上跑，建议在训练脚本里加一段设备初始化逻辑：

device = "cuda" if torch.cuda.is_available() else "cpu" if device == "cpu": print("警告：当前使用CPU，GAN训练将非常慢")

随后跑一个小的卷积运算测试：

x = torch.randn(4, 3, 256, 256).to(device) y = torch.nn.Conv2d(3, 16, 3, padding=1).to(device)(x) print(y.shape)

这个测试能快速验证 GPU 上的卷积算子是否正常。如果出现 OOM（Out of Memory），要么是显存不够，要么是 PyTorch 的缓存机制没释放。可以通过 torch.cuda.empty_cache() 手动释放，同时检查批处理大小。

另一个实用技巧是用 nvidia-smi -l 1 持续监控显存占用。GAN 训练比普通分类更吃显存，因为生成器和判别器要同时放在显存里，两者在反向传播时都占用空间。显存小的机器建议先跑 64×64 或 128×128 的小分辨率实验，确认整条管线没问题后再上高分辨率。

3. 数据管道设计：高质量图像生成的“上游”决定一切

很多人在环境装好后第一件事是写网络结构，结果数据没打理好，训练起来怎么调都效果差。在 GAN 的实战里，数据管道的权重可能和网络结构一样大。高质量输入不能保证高质量输出，但垃圾输入几乎必然导致垃圾输出。

3.1 数据集选择：为什么 CelebA 和 FFHQ 适合做人脸生成

如果你是想做人脸生成，经典公开数据集有两个：CelebA（超过 20 万张名人脸部图）和 FFHQ（7 万张 1024×1024 高清人脸图）。CelebA 的优势是数量大、标注丰富、下载方便，缺点是原始分辨率只有 178×218，且包含不少姿态各异的图像；FFHQ 质量更高，构图更整齐，但获取流程相对繁琐。建议新手用 CelebA 或它的对齐版本，先把流程跑通，再考虑 FFHQ 或自建数据。

如果你做的不是人脸，而是特定风格的内容，比如手绘建筑、二次元人物立绘、汽车设计草图，核心要求是一样的：数据要干净、类别要统一、画面构成要相近。比如做二次元人脸，就不要把半身像、全身像、含大量背景的图混在一起，否则生成器会无所适从，最后学会在一个框里平均所有风格，输出一团说不清是什么的东西。

3.2 预处理流程：归一化、尺寸统一和数据增强

图像输入网络前都要转成张量。PyTorch 里通常会做这几步：

1. 将所有图片缩放到同一尺寸，用 torchvision.transforms.Resize
2. 转换成张量，用 ToTensor()
3. 归一化到 [-1, 1]，因为生成器最终用 tanh 激活，输入区间保持一致能避免图片失真

一个常见变换组合是：

from torchvision import transforms transform = transforms.Compose([ transforms.Resize((128, 128)), transforms.CenterCrop((112, 112)), transforms.Resize((128, 128)), transforms.RandomHorizontalFlip(p=0.5), transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)), ])

这里的 Resize-CenterCrop-Resize 组合，用于去除图片中不重要的边缘信息并保留主体，尤其是当原始数据里背景占比差异大时效果明显。如果数据本身构图集中，直接 Resize 到目标尺寸即可。

数据增强在 GAN 里需要谨慎使用。RandomHorizontalFlip 对人脸和自然图像几乎总是有效；而 RandomRotation 和 ColorJitter 则要小心，它们可能改变语义，尤其在纹理敏感的医学图像上容易带来反效果。对人脸生成我通常只用水平翻转，加上少量随机裁剪，避免破坏五官结构。

3.3 DataLoader 配置和内存管理

DataLoader 是 PyTorch 的数据迭代核心。基础配置如下：

from torch.utils.data import DataLoader from torchvision.datasets import ImageFolder dataset = ImageFolder(root="data/train", transform=transform) dataloader = DataLoader(dataset, batch_size=64, shuffle=True, num_workers=4, pin_memory=True)

两个容易被忽略但影响较大的参数：

• num_workers：调成 4 到 8 可以充分利用 CPU 多核做图片预处理，但机器 CPU 不强时，设置过高反而会因为线程调度拖慢速度。
• pin_memory：设为 True 能锁定内存页，加快 GPU 传输，如果 RAM 紧张也可以关掉。

数据加载的另一个坑是 IO 瓶颈。我试过把几万张小图放在机械硬盘上直接读，GPU 利用率时常只有 40% 左右。后来把数据集转成 WebDataset 格式，或者直接放到 SSD 上，GPU 利用率能稳定拉到 90% 以上。如果数据量不大，比如 10GB 以内，最简单的做法是把数据提前读入内存，注意别超 RAM 上限即可。

4. GAN架构选型：从DCGAN到WGAN-GP的迭代逻辑

网络结构决定了一个 GAN 的天花板。这一部分我不想把每个模型完整代码都贴一遍，而是重点讲清“我们为什么这样选”“每一步解决了什么问题”，让你在遇到更复杂模型时有能力独立判断。

4.1 为什么从DCGAN开始（以及它的局限性）

DCGAN，深度卷积生成对抗网络，是最经典的把卷积引入 GAN 的架构。它的主要贡献是：

• 用步长卷积替代全连接层和池化，使生成器和判别器能端到端学习空间特征
• 生成器中大量使用 Batch Normalization，稳定深层网络的训练
• 判别器用 LeakyReLU，避免梯度消失
• 生成器输出用 Tanh，把像素值限制在 [-1, 1]

DCGAN 结构清晰，代码量少，在 64×64 分辨率的简单数据集上效果可接受，是新手“抄作业”的首选。但它的短板明显：对超参数极其敏感，在 128×128 以上分辨率容易不稳定；如果不加改进，模式崩塌率较高。所以 DCGAN 适合做流程验证和 baseline，不适合直接用于真正要产出高质量大图的场景。

4.2 WGAN-GP的原理：用梯度惩罚换来稳定训练

我在实际项目里从 DCGAN 换到 WGAN-GP 后，训练过程明显省心不少。WGAN-GP 把损失换成 Wasserstein 距离，这解决了原始 GAN 中“判别器越强梯度越小”的问题。Wasserstein 距离的特点是，即使两个分布完全不重叠，也能给出有意义的梯度方向。

但 WGAN 最初的实现需要用权重裁剪来满足判别器的 Lipschitz 约束，这带来了训练偏差。WGAN-GP 的改进是使用梯度惩罚：在真实样本和生成样本之间随机插值采样，并对这些采样点要求判别器梯度的范数尽可能接近 1。这样既满足约束，又不至于让判别器的权重分布扭曲。

梯度惩罚部分的代码大致如下：

def gradient_penalty(discriminator, real, fake, device): batch_size = real.size(0) alpha = torch.rand(batch_size, 1, 1, 1, device=device) interpolate = (alpha * real + (1 - alpha) * fake).requires_grad_(True) d_interpolate = discriminator(interpolate) fake = torch.ones_like(d_interpolate, requires_grad=False) gradients = torch.autograd.grad( outputs=d_interpolate, inputs=interpolate, grad_outputs=fake, create_graph=True, retain_graph=True, only_inputs=True, )[0] gradient_norm = gradients.view(batch_size, -1).norm(2, dim=1) return ((gradient_norm - 1) ** 2).mean()

这一小段是整个 WGAN-GP 的核心。需要注意的点：

• real 和 fake 的尺寸必须完全一致
• interpolate 需要 requires_grad_(True)，否则 autograd 拿不到梯度
• 在优化判别器时，保留计算图是必要的，否则下一个 batch 的反向传播会报错

梯度惩罚的系数 lambda_gp 通常取 10，太小约束力不够，太大又容易让训练偏离目标。实际中可以做成超参进行小范围搜索。

4.3 PGGAN/StyleGAN的渐进式训练思路

如果你最终想要高分辨率图像，比如从 256×256 起步甚至到 1024×1024，渐进式生成方法是值得了解的。PGGAN 的思路是：先让网络在低分辨率，例如 4×4、8×8 上稳定训练，再逐步向网络中增加更高分辨率层，让模型由粗到细学习细节，而不是一开始就硬啃 1024×1024 的像素空间。

StyleGAN 系列在 PGGAN 基础上更进一步，把生成过程变成风格注入：不同尺度的特征由不同风格向量控制，提高了生成图像的语义解耦能力，在人脸生成、纹理生成这些需要精细可控风格的任务里优势明显。但代价是显存和耗时开销都非常大。以 1024×1024 人脸为例，在单卡高性能 GPU 上也需要数天迭代才有可用效果。所以日常项目里，我通常建议先弄清任务是“快速验证”还是“极致效果”，再决定是否上渐进式架构，不要一味追求大模型。

4.4 损失函数与训练循环的关键代码实现

以 WGAN-GP 为例，训练循环的简版框架如下：

for epoch in range(num_epochs): for i, (imgs, _) in enumerate(dataloader): imgs = imgs.to(device) real_imgs = imgs batch_size = real_imgs.size(0) # 训练判别器 z = torch.randn(batch_size, latent_dim, 1, 1, device=device) fake_imgs = generator(z) d_real = discriminator(real_imgs) d_fake = discriminator(fake_imgs) gp = gradient_penalty(discriminator, real_imgs, fake_imgs, device) d_loss = -torch.mean(d_real) + torch.mean(d_fake) + lambda_gp * gp d_optimizer.zero_grad() d_loss.backward() d_optimizer.step() # 每隔一定间隔训练生成器 if i % n_critic == 0: z = torch.randn(batch_size, latent_dim, 1, 1, device=device) fake_imgs = generator(z) g_loss = -torch.mean(discriminator(fake_imgs)) g_optimizer.zero_grad() g_loss.backward() g_optimizer.step()

两个需要特别留意的细节：

• WGAN-GP 的生成器损失不是让 D(G(z)) 接近 1，而是让 D(G(z)) 的均值尽可能大，即 -mean(D(fake)) 最小化。因为 Wasserstein 距离是无界的，判别器输出不再是概率，而是一种打分，所以不能用交叉熵。
• n_critic 是判别器每更新几次才更新一次生成器。WGAN-GP 的设计里通常判别器多训练几轮，以保证 Wasserstein 距离估计准确，常见取值 1~5。但注意，如果 GPU 显存有限、batch size 偏小，n_critic 过高会让训练变慢。
• 在 WGAN-GP 的判别器里不要用 BatchNorm，因为 batch 维度上的统计量会破坏单样本梯度的连续性。这就是为什么它的判别器通常用 InstanceNorm 或 LayerNorm。

5. 训练优化实战：稳定化技巧与超参数调优

网络结构选好了，距离真正跑出可用结果还差关键一步：把训练过程调稳。大多数 GAN 项目失败，不是架构本身有问题，而是超参数和训练策略的细节处理失当。下面这些优化技巧来自我的实际尝试和多个项目复盘，值得一条条对照检查。

5.1 学习率和优化器选择的不同方案

GAN 的传统共识是：生成器和判别器各自使用独立的学习率，判别器的学习率通常不宜过高。早期 DCGAN 常用 Adam 优化器，learning_rate 取 2e-4，betas 取 (0.5, 0.999)。这里的 beta1 取 0.5 而不是默认的 0.9，是为了减少训练初期的振荡。在对抗训练下，带有强动量的 beta1=0.9 容易让参数在极小值附近左右横跳。

WGAN-GP 最常见的配置是 Adam，生成器和判别器 lr 都取 1e-4，也有人把生成器学习率设为判别器的一半，降低生成器对当前判别器状态的过拟合风险。如果你的 loss 出现剧烈震荡，除了检查梯度惩罚系数，第一件事就是降低学习率，每次减半重新跑。

另一类做法是使用学习率衰减。GAN 里指数衰减并非必须，线性衰减配合固定训练步数通常效果不错，它让训练后期参数变化更小，收敛更平稳。如果用的是渐进式 GAN，通常在切换分辨率时重置学习率，或在过渡阶段用较低的 lr。

5.2 批大小与分辨率的关系

批大小对 GAN 训练有直接影响：批大小太小，判别器对数据分布的估计偏差大，梯度噪声大；批大小太大，显存很快吃满，实际收益却有限。以我的经验：

• 128×128 及以下，batch size 32 到 64 都还不错
• 256×256，如果显存有限，batch size 16 到 24 是可以接受的下限，再小可以用梯度累积来模拟更大 batch
• 512×512 及以上，单纯依赖 batch size 很难同时保证显存和稳定性，需要考虑 patch 式训练、混合精度等

一个实用技巧是：第一次训练不要急着上高 batch，先用显存能放下的最大值跑几十步，确认 loss 正常下降后，再逐步调整。Batch size 对 WGAN-GP 的梯度惩罚影响也很大，过小时梯度惩罚会被少数插值样本带偏，整体训练不稳。

5.3 标签平滑、谱归一化和特征匹配的实践效果

标签平滑是原始 GAN 里常用的技巧：把真实样本标签从 1 平滑为 0.9 或 0.8，避免判别器过度自信导致梯度消失。在 WGAN-GP 中，由于用的是无界打分，标签平滑并不直接适用，但可以在判别器输出上加一点小噪声，效果类似。

谱归一化是另一种稳定判别器的手段，它作用在每个权重矩阵上，通过约束最大奇异值来限制 Lipschitz 常数，和 WGAN-GP 的梯度惩罚本质目标一致，但实现更轻量，不用每次都计算插值梯度。后来的不少高分辨率 GAN 直接选用谱归一化而不是梯度惩罚。两者取舍是：谱归一化更稳但可能稍微限制表达力；梯度惩罚更通用但对超参更敏感。

特征匹配是在判别器中间层加一个额外损失，要求生成器的中间特征与真实图片的中间特征差异最小。这可以让生成器学到更有语义信息的多尺度特征，而不只是盯最后输赢。实际效果因数据集而异，建议自己实验对比，不要盲从网上流传的“最佳配置”。

5.4 训练稳定性监控：判别器损失和生成器损失的解读

监控训练不要只看最终成图，更要看两条损失曲线的相对关系。以 WGAN-GP 为例：

• 判别器在真实样本上的得分 D(real) 应稳定在某个正值附近且缓慢上升。如果剧烈上涨，说明判别器很快记住了训练集，可能有过拟合风险。
• 生成器的得分 D(fake) 应缓慢上升，但不能瞬间逼近 0。如果 D(fake) 一直为负且持续下降，说明生成器严重掉队，训练方向有问题。
• 如果两条分数趋近于同一水平，比如都在 0 附近波动，说明生成分布与真实分布已经比较接近，训练进入平稳阶段。

这里有个小技巧：把训练过程中的生成样本每隔固定迭代次数保存下来，拼成一张纵向时间序列图。这样你能一眼看出模型在第几千步开始出现清晰轮廓、第几万步开始有细节，甚至发现模型在什么时刻开始崩坏。直观程度远胜于只看数字曲线。

6. 模型质量评估：FID/IS指标解析与常见失败模式快速诊断

很多人训练完 GAN，最后评判效果时常只凭“肉眼看像不像”。在较窄的应用场景里这可行，但在需要迭代模型的真实项目里远远不够。GAN 没有真实标签，我们需要一套能衡量生成分布与真实分布接近程度的客观指标。

6.1 FID指标是什么：它能和不能告诉你什么

FID，全称 Fréchet Inception Distance，先用预训练 InceptionV3 网络分别提取真实图片和生成图片的特征向量，再假设这些特征向量服从高斯分布，最后计算两个高斯分布之间的 Fréchet 距离。公式如下：

FID = ||μ_real - μ_gen||^2 + Tr(Σ_real + Σ_gen - 2(Σ_real Σ_gen)^(1/2))

μ 是特征向量的均值，Σ 是协方差矩阵。直观理解：FID 越小，生成分布与真实分布在特征空间上越接近。

FID 的优势是计算稳定，与人的主观感知相关性较强。但它也有盲区：它无法判断类别层面的语义差异。比如生成器生成了一张完全不同的物体，但颜色、纹理接近真实数据，FID 可能也给出不错的分数。所以 FID 是必要参考，但不是唯一标准。

实际操作中，我们一般会收集 5 万或至少 1 万张真实图片和生成图片，分别计算特征统计量，再取平均值。代码实现通常用现成库：

from torchmetrics.image.fid import FrechetInceptionDistance fid = FrechetInceptionDistance(feature=2048) fid.update(real_images, real=True) fid.update(fake_images, real=False) print(fid.compute().item())

使用 torchmetrics 时，传入图片的取值范围要与预训练模型兼容，通常归一化到 [0,1] 后按模型要求再处理。

6.2 视觉质量与数值指标的权衡：不能只信肉眼

虽然 FID 是公认的评估指标，但我的经验是：FID 对数据量、图像尺寸、Inception 输入规范等细节敏感，不同配置下的结果可能不可直接比较。要和社区其他实验对比时，务必统一评估数据规模和预处理方式。

另一个常用指标是 Inception Score，IS：它对单张图片计算类别分布的条件熵，同时衡量类别多样性和单张图像的清晰度。IS 越高，图像越多样且越清晰。但 IS 对数据类别均匀度敏感，如果数据集类别本身不均衡，IS 会很有误导性。

在真实项目里，我习惯把 FID、IS 和自建的领域规则一起看。人脸生成可以配合人脸检测器评估是否出现畸形；车辆设计图可以检查对称性和轮廓规范性。领域规则才是最终落地的标尺，通用指标只是帮你快速筛选实验候选。

6.3 三个常见失败模式以及诊断和修复方法

第一个失败模式：生成图像模糊、颜色单一。这通常意味着生成器和判别器都欠拟合，或生成器网络容量太小，学不到足够细节。先检查训练轮数是否太少，再尝试增加模型容量，比如层数和通道数，再调高生成器学习率。如果还不行，看看是不是数据增强过度，目标变得太复杂。

第二个失败模式：生成图像清晰但多样性差。这是很典型的模式崩塌：画面清晰，FID 却高得离谱。修复思路包括：回退到 WGAN-GP 或谱归一化架构、降低判别器学习率、增大噪声向量维度、引入 minibatch discrimination 或 style mixing 等机制。这些方法都能强制生成器不要只锁定到少数几个模式上。

第三个失败模式：训练到中途 loss 突然发散，生成图变成“雪花噪点”。多数情况是某一轮生成器更新跨过了稳定性边界，常见诱因是学习率太高、梯度惩罚系数太小，或生成器判别器更新频率失衡。建议先降低学习率，再把梯度惩罚系数从默认 10 上调到 20 观察，同时把 n_critic 改成 3 或 5，让判别器训练更充分，稳定 Wasserstein 距离估计。

在实际项目里，我还会周期性备份模型权重，并用独立验证集计算测试 FID。如果 FID 连续上百个 epoch 没有下降，说明模型已经卡住，需要果断改变优化策略，而不是继续无脑跑下去。这种“节流止损”意识在 GAN 项目里很重要，因为训练时间很贵。

最后再分享一个我自己坚持的做法：动手训练前，把训练脚本里所有关键超参集中到一个配置文件里，每次只改一个变量做实验，记录每个实验的 FID 和典型样本图。经过十到二十次实验，你会对当前数据集和模型的“脾气”有非常明确的感知。GAN 调优更像是一场持续的博弈，而不是一锤子买卖，耐心和数据管理能力往往比模型本身更值钱。第一次做实验记得把规模控制小一点，在 64×64 或 128×128 的简化数据集上先把训练稳定性搞定，再上完整数据和高分辨率。很多人揪着高分辨率反复折磨，其实只是把低分辨率就能解决的问题复杂化了。