我在训练我的Pix2Pix GAN时，判别器损失在第20个epoch左右开始降为0。从第30个epoch开始，它一直保持在0。

然而，生成器损失一直在下降。最初的几个epoch，生成器损失在50到60之间。到了第100个epoch，生成器损失大约是4到5。从第150个到第350个epoch，生成器损失在1到3之间波动。

那么，判别器损失降为0是否不好？如何解决这个问题？

回答：

基本上，您不希望判别器损失降为零，因为这意味着判别器做得太好了（更重要的是，生成器做得太差了），即它可以轻松地区分假数据和真实数据（即生成器的创作与真实数据不够接近）。

总的来说，重要的是要这样定义判别器的损失，因为我们确实希望判别器尝试减少这种损失，但整个GAN系统的最终目标是使损失平衡。因此，如果一个损失降为零，那就是失败模式（不再有学习发生）。

为了避免这种情况，您必须确保您的最后一个判别器层不是Sigmoid层，并且您的损失不受[0, 1]的限制。您可以尝试使用BCE层或类似的层。