GAN Lab 快速指南：在浏览器里交互式训练生成对抗网络
【免费下载链接】ganlabGAN Lab: An Interactive, Visual Experimentation Tool for Generative Adversarial Networks项目地址: https://gitcode.com/gh_mirrors/ga/ganlab
GAN Lab 是一款免费在线可视化工具，把生成对抗网络（GAN）的训练完整跑在浏览器里。它把"训练黑箱"变成可以拖、可以调、可以看见的可视化实验，让初学者到授课老师都能不写一行代码，弄清生成器与判别器如何互相博弈。
三步在本地跑起 GAN Lab
整个项目是 TypeScript + TensorFlow.js，这个深度学习交互实验工具同样全在浏览器里运行，不需要配 Python 环境。
- 拉源码：
git clone https://gitcode.com/gh_mirrors/ga/ganlab - 装依赖：
cd ganlab && yarn prep - 编译并起服务：
./scripts/watch-demo - 浏览器打开
http://localhost:8080/demo/
终端里出现 "Available on: http://127.0.0.1:8080" 就说明就绪了，建议用 Chrome。
想翻源码看它怎么实现的，入口在这几处：
- 主程序入口：demo/ganlab.ts
- 模型与网络结构：demo/ganlab_models.ts
- 训练评估与网格可视化：demo/ganlab_evaluators.ts
核心体验：先玩页面，再懂原理
左半边是模型概览图，右半边是数据分布，这两块就是 GAN Lab 的 GAN 可视化核心。下面三个操作最过瘾。
点播放键，看生成器学会画"圆环"
点左上角播放键，选 ring 分布。右侧紫色点是生成器吐出的假样本，绿点是真实样本。一开始紫点乱散成一团，背景网格大片深紫色，说明判别器一眼就能识破。跑几百个 epoch，紫点慢慢缩成圆环，网格变绿，判别器开始犯迷糊。这就是 GAN 训练的全过程：生成器负责骗，判别器负责抓。
图中是 GAN Lab 主界面：左侧为模型概览图（噪声→生成器→样本→判别器），右侧为分层分布可视化，能直观看到生成样本随训练逼近真实分布的过程。
改学习率之后，训练曲线长什么样
概览图里生成器和判别器旁边各挂着两个下拉框：优化器（SGD/Adam）和学习率（0.001 到 1.0）。把学习率从 0.01 提到 0.3，紫点会满屏乱跳、圆环训不出来，这就是"学习率太大，训练发散"的现场版。换成 Adam 优化器，同样的 0.3 会稳很多。网络框下的隐藏层神经元数也能改，网络变大，学得更快，翻车也更快。
切到 disjoint 分布，看模式崩溃现场
左上一排预设形状：line、gaussians、ring、disjoint。点 disjoint，紫点会缩成一团，另一半始终长不出来，这就是模式崩溃。line 最简单，几十个 epoch 就收敛。还可以选 drawing 模式，自己在画布上画一个形状，生成器会学着模仿你的涂鸦。
谁会用、怎么用
不挑角色，三种最典型的用法。
想搞懂 GAN 原理的学生
不用读论文，花十分钟点一点，就能看明白右边两条 loss 曲线是什么、模式崩溃为什么发生、梯度什么时候"没了"。
上课要演示的老师
课堂上打开页面，放慢播放或单步执行，把训练过程投到大屏上，让学生现场提议改参数、看结果。
想快速验证想法的研究者
想试某个优化器加学习率的组合、或者改一下网络深度，30 秒就能试出来，看效果值不值得再写正式代码。
动手试试：打开终端跑一遍
GAN Lab 零安装成本：不装 Python、不用 GPU、不下载数据集，一个浏览器就够。这个 GAN 可视化工具的价值，在于把每个参数变化都变成肉眼可见。遇到想不通的问题，直接动手拖滑块。打开终端，敲下第一条git clone命令，把 GAN 训练跑起来。
【免费下载链接】ganlabGAN Lab: An Interactive, Visual Experimentation Tool for Generative Adversarial Networks项目地址: https://gitcode.com/gh_mirrors/ga/ganlab
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
