用 tf.keras.Sequential 搭建 GAN 的生成器和判别器最稳妥，但必须手动写训练循环；model.fit() 无法支持 GAN 所需的双模型交替更新机制，强行使用会导致梯度错乱、参数不更新或训练崩溃。
直接说结论：用 tf.keras.Sequential 搭判别器和生成器最稳妥，但必须手动写训练循环——model.fit() 无法处理 GAN 的双模型交替更新逻辑。
为什么不能用 model.fit() 训练 GAN
GAN 的核心是生成器（G）和判别器（D）交替优化：先固定 G 更新 D 一步，再固定 D 更新 G 一步。而 model.fit() 只支持单模型、单损失、单优化器的端到端训练，强行封装会导致梯度错乱或参数不更新。
- 常见错误现象：
Discriminator loss快速归零但生成图像始终模糊/崩溃，或Generator loss持续下降但样本毫无意义 - 根本原因：Keras 默认会为每个
model独立计算梯度并应用，但 GAN 要求 D 的梯度只更新 D 的权重，G 的梯度只更新 G 的权重，且需在同一批数据上分两步执行 - 替代方案：必须用
tf.GradientTape显式记录前向过程，分别对两个模型调用tape.gradient()，再用各自优化器apply_gradients()
生成器和判别器的结构要点（以 MNIST 为例）
结构设计直接影响训练稳定性。不要照搬论文堆叠层数，先跑通再调优。
- 生成器输入用
tf.random.normal([batch_size, 100])（100 维噪声），输出应为[batch_size, 28, 28, 1]，最后一层用tf.keras.layers.Activation('tanh')——不用'sigmoid'，否则像素值被压缩到 [0,1] 后与真实图像（归一化到 [-1,1]）分布不匹配 - 判别器输入是真实图或生成图（shape 同上），输出用单神经元 +
tf.keras.layers.Activation('sigmoid')；但训练时建议用tf.keras.losses.BinaryCrossentropy(from_logits=False)，避免手动加sigmoid引入数值不稳定 - 务必在判别器每层后加
tf.keras.layers.LeakyReLU(0.2)（不用 ReLU），生成器用LeakyReLU或ReLU均可，但 BatchNorm 层必须放在激活函数之后（Keras 中BatchNormalization默认在激活前，要显式调整顺序）
训练循环里最容易漏掉的三件事
GAN 训练失败，80% 出现在这三处细节上，不是模型问题，是流程疏忽。
立即学习“Python免费学习笔记（深入）”；
- 真实标签和伪造标签的构造方式：判别器训练时，真实样本 label 用全 1 张量（
tf.ones((batch_size, 1))），伪造样本 label 用全 0 张量（tf.zeros((batch_size, 1))）；生成器训练时，伪造样本 label 用全 1 张量（“骗过判别器”）——这个 label 方向绝对不能反 - 梯度裁剪必须加：在
discriminator.trainable_variables和generator.trainable_variables上分别做tf.clip_by_norm(gradients, 1.0)，否则 D 过强会导致 G 梯度爆炸，Loss 瞬间 NaN - 生成器更新时，
tf.GradientTape必须声明watch(generator.trainable_variables)，否则 tape 不会追踪 G 的参数变化，导致gradients全为 None
验证生成器是否真在学习（而不是 memorize）
训练中看 loss 曲线意义不大，GAN 的 loss 本身不具备收敛指示性。真正有效的检查点只有两个：
- 每 10 个 epoch 保存一次生成图像（用固定噪声种子），观察是否从噪点 → 结构 → 数字轮廓 → 可识别数字渐进演化；如果第 50 epoch 图像和第 10 epoch 差不多，说明已坍缩（mode collapse）
- 在验证集上跑一次判别器推理：
d_loss_real = d_loss_fn(discriminator(real_images), tf.ones_like(...))，如果该值持续 > 0.6 且不下降，说明 D 学得太慢或太弱，需要调高 D 的学习率（通常是 G 的 2–4 倍）或增加 D 的层数
GAN 的难点不在搭建，而在让两个网络在动态博弈中达成纳什均衡。所有“结构技巧”都服务于一个目标：让梯度流稳定、延迟崩塌、给双方留出学习窗口。一旦发现 loss 震荡剧烈或图像长期无变化，优先检查梯度裁剪、label 构造、tape.watch 是否遗漏——这些比换 loss 函数或加 attention 更管用。
