解决keras GAN训练是loss不发生变化,accuracy一直为0.5的问题

常用于二分类问题，当然也可以用于多分类问题，通常需要在网络的最后一层添加sigmoid进行配合使用，其期望输出值需要进行one hot编码，另外BCELoss还可以用于多分类问题Multi-label classification.定义：。适用于多分类问题，并使用softmax作为输出层的激活函数的情况。滤波器的数量可以大量增加参数的数量，但通常需要更多的滤波器。使用较少的滤波器，特别是在生成器中，使得最终生成的图像过于模糊。因此，看起来更多的滤波器可以帮助捕获额外的信息，最终为生成的图像增加清晰度。但是，如果你错误地设置了卷积核或滤波器，或者识别器的损失很快达到0，添加批归一化可能并不能真正帮助恢复。为了更容易地训练GANs，确保输入数据具有相似的特征是很有用的。