WARNING

🧪 Beta公测版本提示：教程主体已完成，正在优化细节，欢迎大家提Issue反馈问题或建议。

GAN — demo.py 代码详解

Download demo.py

cd docs/world-models/video/gan/code
python demo.py

代码逐段详解

生成器最后 Tanh，与 $[-1,1]$ 图像对齐。判别器用 LeakyReLU(0.2)：负半轴漏一点梯度，减轻 dead ReLU。

两个 Adam：betas=(0.5, 0.999) 是 DCGAN 常用，比默认 ${\beta }_1=0.9$ 动量更小，对抗训练少振荡。

fake_pred = discriminator(fake_imgs.detach())  # 更新 D，梯度不进 G
...
gen_pred = discriminator(gen_imgs)             # 更新 G，梯度穿过 D
g_loss = adversarial_loss(gen_pred, real_labels)

假图进 D 时 detach：这一步只训练「认假」。G 那一步不 detach，标签却是「真」——骗 D。BCELoss 吃 Sigmoid 后的概率。

fixed_noise：同一批 $z$ 定期可视化，才能看出样本是在变好还是在跳。

源码位置

docs/world-models/video/gan/code/demo.py