我正在关注这个https://www.tensorflow.org/tutorials/generation/dcgan#the_discriminator但我使用的是我自己的图片。我想以某种方式查看损失、准确性和/或其他任何可能对优化网络有用的信息。我现在主要只关心损失。我试图查看类似的示例，其中包括一种显示损失的方法，例如https://machinelearningmastery.com/practical-guide-to-gan-failure-modes/。但是，我仍然不明白如何为 tensorflow DCGAN 示例执行此操作。
需要明确的是，我有一个损失函数。我只是无法弄清楚如何将其打印出来以实际查看发生了什么。
哦，我应该提到我让它在每个时期为每个生成的图像打印“决定”。所以我知道该怎么做。
我最后只是放了。
noise = tf.random.normal([BATCH_SIZE, noise_dim])
generated_images = generator(noise, training=True)
real_output = discriminator(image_batch, training=True)
fake_output = discriminator(generated_images, training=True)
gen_loss = generator_loss(fake_output)
disc_loss = discriminator_loss(real_output, fake_output)
print(gen_loss)
print(disc_loss)
进入 train 函数中的 for 循环。