简介：面向深度学习初学者与GAN研究者的MATLAB实现生成对抗网络可直接运行代码包，解决了从零搭建GAN训练流程的入门门槛问题。压缩包含14个文件，其中13个.M脚本覆盖了网络初始化、前向传播、反向传播、梯度更新、激活函数及交叉熵损失等核心模块，另附一张lena.bmp测试图用于直观验证生成效果。代码结构清晰，包含生成器与判别器定义、交替训练循环、参数配置与可视化接口，配合代码说明可快速理解生成对抗网络的运行机制。已有6516人学习，适合希望在MATLAB环境下动手实践GAN、进行数据增强或图像合成实验的读者。 如果你在网上搜“GAN MATLAB代码”，大概率会看到两类结果：一类是很久之前的老代码，函数名和现在的版本对不上，跑之前要改一堆报错；另一类是某个商业工具箱封装好的示例，看起来能出图，但想改网络结构时完全无从下手。我前段时间因为项目需要在MATLAB环境下完整跑通一个生成对抗网络，把这个问题从头啃了一遍，最后整理出一份能在R2022a及以上版本直接运行、结构清楚、方便二次修改的代码。这篇文章就当是踩坑记录加实现笔记，把每一步为什么这么做讲明白，也把那些最容易卡住的地方一并列出来。
这篇文章适合三类人看：一是课程或课题把环境限定在MATLAB，又偏偏要做GAN相关实验的同学；二是已经会用Python跑GAN，想在MATLAB里做对照组或者复现结果的研究人员；三是只想快速拿到一段能跑通的代码，再逐步改造成自己网络结构的初学者。如果你属于其中之一，按照下面的步骤走，基本能避开大部分坑。
1. 为什么选MATLAB做GAN：适用场景与工具箱检查
先说结论：MATLAB跑GAN不是主流选择，但在某些场景下确实有它不可替代的优势。
一个最典型的场景是课程设计或者论文复现。我见过不少控制、通信、图像处理方向的课题，整个实验框架都搭在MATLAB里，数据预处理、指标计算、图表导出全是一套流程。这时候如果你为了一个GAN模块单独去搭Python环境，不仅要额外管理一堆依赖库，还要处理两种环境之间的数据传递。与其这样，不如直接在MATLAB里把GAN实现掉，整个实验链路保持统一。
另一个优势是可视化。MATLAB里imshow、montage这些函数对图像类结果展示非常友好，训练过程中随时可以看一眼生成效果。相比之下，用Python写matplotlib虽然也不难，但总归要多写几行代码。MATLAB的调试体验和矩阵操作习惯，对很多工程背景的人来说也更亲切。
不过MATLAB版GAN的劣势也很明显。最大的问题就是社区生态远不如Python活跃，很多经典模型的官方实现都是PyTorch/TensorFlow版本，MATLAB里经常需要自己从论文公式一点点翻译过来。所以如果你完全没接触过GAN的底层原理，我建议还是先在Python里跑通一个Demo，理解了输入输出关系以后再迁移到MATLAB，会轻松很多。
动手之前，先检查环境是否满足条件。我用的是MATLAB R2022a，完整代码里用到了以下几个关键能力：
- Deep Learning Toolbox：
dlnetwork、trainNetwork之外的底层训练API都在这个工具箱里 dlarray和dlgradient：这是实现自定义训练循环的核心，利用自动微分计算梯度adamupdate：内置的Adam优化器更新函数，省去手写动量计算的麻烦
如果你不确定自己有没有这些工具箱，在命令行输入ver查看已安装的工具箱列表，或者运行下面这行代码直接检查：
[installed, toolboxList] = ismember(... {'Deep Learning Toolbox'}, {matlab.addons.installedAddons().Name});如果没有Deep Learning Toolbox，后面代码基本跑不起来。请通过学校或单位的正版授权渠道补充工具箱，MATHWORKS官方支持试用版申请，这块自己解决，我不展开。
2. 网络搭建：生成器与判别器的层级设计
这里用MNIST手写数字作为实验数据，图像尺寸28×28单通道，这也是GAN最经典的入门场景。网络设计没有直接照搬原始GAN论文里的全连接版本，而是参考了DCGAN的思路，把卷积和转置卷积用上。原因后面会讲。
2.1 生成器：从100维噪声到28×28图像
生成器的作用是接收一个随机噪声向量，输出一张逼真的图片。噪声维度定为100，这是从原始GAN论文沿用的惯例，100维足够提供生成多样性，又不是特别大。经过一个全连接层后先映射到7×7×128的特征图，然后连续做两次转置卷积，每次把空间尺寸放大一倍，最终从7×7升到28×28。
function dlnetGen = createGenerator() layers = [ featureInputLayer(100, 'Normalization', 'none', 'Name', 'noise') fullyConnectedLayer(7*7*128, 'Name', 'fc1') reluLayer('Name', 'relu1') functionLayer(@(X) reshape(X, 7, 7, 128, []), ... 'Formatted', false, 'Name', 'reshape7x7') transposedConv2dLayer(5, 64, 'Stride', 2, 'Cropping', 'same', 'Name', 'tconv1') reluLayer('Name', 'relu2') transposedConv2dLayer(5, 1, 'Stride', 2, 'Cropping', 'same', 'Name', 'tconv2') tanhLayer('Name', 'tanh_out') ]; dlnetGen = dlnetwork(layers); end为什么最后一层用tanh而不是sigmoid？因为tanh输出范围是[-1, 1]，而MNIST数据在输入网络前也需要归一化到[-1, 1]。生成器和真实数据的数值范围保持一致，判别器就不会单凭输出区间就轻松分辨真假。这是很多新手第一次写GAN容易忽略的细节：数据归一化和激活函数的选择必须配套。
中间为什么拆了一步reshape？transposedConv2dLayer需要输入是H×W×C×N的四维格式，而全连接层输出是一维向量，所以必须先把向量reshape成7×7×128的特征图。这里用functionLayer写了一个匿名函数完成reshape，这个写法在R2022a里实测可行。如果你的版本提示functionLayer有问题，也可以在训练循环里对predict的输出手动做reshape，效果一样。
2.2 判别器：卷积下采样与真假二分类
判别器的任务相对简单：输入一张图，输出一个0到1之间的分数，越接近1表示越像真实图片。结构上采用卷积下采样，逐步提取高层特征，最后通过全连接层输出单值。
function dlnetDis = createDiscriminator() layers = [ imageInputLayer([28 28 1], 'Normalization', 'none', 'Name', 'img') convolution2dLayer(5, 16, 'Stride', 2, 'Padding', 2, 'Name', 'conv1') leakyReluLayer(0.2, 'Name', 'lrelu1') convolution2dLayer(5, 32, 'Stride', 2, 'Padding', 2, 'Name', 'conv2') leakyReluLayer(0.2, 'Name', 'lrelu2') fullyConnectedLayer(1, 'Name', 'fc_score') sigmoidLayer('Name', 'sigmoid_out') ]; dlnetDis = dlnetwork(layers); end这里有个设计细节值得单独说明：原始GAN论文里判别器用的是ReLU，但DCGAN之后的主流实践都换成了LeakyReLU。原因是ReLU在负区间的梯度恒为0，当判别器发现输入是假图时，某些神经元的输出会变成负数，反向传播时梯度直接被截断，参数得不到更新，导致判别器“躺平”。LeakyReLU在负区间保留了一个0.2的小斜率，保证梯度始终能流动。这个小改动对训练稳定性有非常直接的影响。
判别器设计的另一个重点是步幅卷积代替池化。每个卷积层的Stride都设为2，相当于每经过一层，特征图尺寸缩小一半。这样做的好处是下采样过程可以通过卷积参数学习，而不是像池化那样直接丢弃信息。28×28经过两次步幅2卷积变成7×7，最后接入全连接层时参数数量也合理。
2.3 训练循环：损失函数、梯度更新与可视化监控
网络结构搭好之后，训练才是GAN真正考验人的地方。GAN的训练本质是一个二人零和博弈：判别器努力分辨真假，生成器努力骗过判别器。两者相互对抗、共同进化。如果其中一个太强，另一个就学不到东西。
先看损失函数。标准GAN采用二分类交叉熵。判别器的目标是最小化下面这个值：
[ L_D = -\frac{1}{m}\sum_{i=1}^{m} \left[ \log D(x^{(i)}) + \log(1 - D(G(z^{(i)}))) \right] ]
生成器的目标则是最大化判别器的出错率，等价于最小化：
[ L_G = -\frac{1}{m}\sum_{i=1}^{m} \log D(G(z^{(i)})) ]
在MATLAB自定义训练循环里，需要把这两个损失写进一个函数，并在dlfeval中调用，这样dlgradient才能自动求梯度。核心代码如下：
function [lossGen, lossDis, gradsGen, gradsDis] = modelGradients(... dlnetGen, dlnetDis, XReal, dlZ) % 生成假图 XFake = predict(dlnetGen, dlZ); XFake = reshape(XFake, 28, 28, 1, []); % 判别器对真实图与假图的评分 YReal = forward(dlnetDis, XReal); YFake = forward(dlnetDis, XFake); % 判别器损失 lossDis = -mean(log(YReal + eps) + log(1 - YFake + eps)); % 生成器损失 YFakeGen = forward(dlnetDis, XFake); lossGen = -mean(log(YFakeGen + eps)); % 自动求梯度 gradsGen = dlgradient(lossGen, dlnetGen.Learnables); gradsDis = dlgradient(lossDis, dlnetDis.Learnables); end训练主循环里对两套网络分别用Adam优化器更新参数。Adam是一个自带动量与自适应学习率的优化器，对GAN这种非凸博弈问题有较好的稳定性。值得注意的是，我把学习率设成了2e-4，而不是常用的1e-3。原因是GAN训练中学习率过大容易导致判别器损失迅速下降到接近0，生成器后续完全学不到梯度。2e-4是DCGAN论文里经过调参验证的经验值，实测在MNIST上非常稳定。
numIterations = 5000; batchSize = 128; learningRate = 2e-4; beta1 = 0.5; trailingAvgGen = []; trailingAvgSqGen = []; trailingAvgDis = []; trailingAvgSqDis = []; for iter = 1:numIterations % 从真实数据中随机采样一个batch idx = randi(size(XTrain, 4), batchSize, 1); XReal = XTrain(:, :, :, idx); XReal = dlarray(single(XReal), 'SSCB'); % 生成随机噪声 Z = randn(100, batchSize, 'single'); dlZ = dlarray(Z, 'CB'); % 计算损失和梯度 [lossGen, lossDis, gradsGen, gradsDis] = dlfeval(... @modelGradients, dlnetGen, dlnetDis, XReal, dlZ); % Adam更新生成器 [dlnetGen, trailingAvgGen, trailingAvgSqGen] = adamupdate(... dlnetGen, gradsGen, trailingAvgGen, trailingAvgSqGen, iter, ... learningRate, beta1); % Adam更新判别器 [dlnetDis, trailingAvgDis, trailingAvgSqDis] = adamupdate(... dlnetDis, gradsDis, trailingAvgDis, trailingAvgSqDis, iter, ... learningRate, beta1); % 每100轮可视化一次 if mod(iter, 100) == 0 ZShow = dlarray(randn(100, 16, 'single'), 'CB'); XShow = predict(dlnetGen, ZShow); XShow = reshape(XShow, 28, 28, 1, []); imshow(imtile(extractdata(XShow), 'ThumbnailSize', [28 28])); title(sprintf('Iter %d, G Loss %.4f, D Loss %.4f', ... iter, extractdata(lossGen), extractdata(lossDis))); drawnow; end end有两个细节必须提一下。第一，dlgradient不能直接在普通脚本里调用，必须被包在dlfeval中，否则会报“Must be called within a function”的错误。第二，生成器更新的梯度方向看的是YFakeGen，也就是把假图重新送入判别器，目标是让判别器给出非常接近1的分数。很多初学者会误以为生成器直接用判别器上一轮的假图评分即可，但那样梯度信息与当前生成器参数已经产生了脱节，需要在更新前重新forward一次。
可视化监控这部分，我的建议是每训练一段时间就看看生成图，不要只盯着损失曲线。GAN的损失曲线下降并不等于生成质量变好，很多时候两者是此消彼长的。生成图片的实际观感才是最直观的判断依据。
3. 数据准备：MNIST读取与归一化处理
MNIST数据集在MATLAB里没有内置，需要自己准备。我使用的方式是去网上找一个已经转成.mat格式的MNIST版本，这类文件通常包含trainX和trainY两个变量。如果你的数据来源是官方IDX二进制格式，需要先用脚本转成MATLAB矩阵。这一步虽然只是在开头执行一次，但对后面的训练影响很大。
读取之后要做两个处理：
一是归一化到[-1, 1]。原始MNIST像素值是0到255之间的整数，如果不处理，直接送入生成器对比会产生问题。因为生成器最后一层是tanh，输出落在[-1, 1]，如果真实数据是[0, 255]，两者的分布中心完全不同，判别器只要看像素均值就能轻松判断真假，生成器无论怎么优化都很难学到正确的映射。
归一化代码很简单：
XTrain = double(trainX) / 127.5 - 1;除以127.5再减1，正好把[0, 255]映射到[-1, 1]。上学期的朋友可能已经注意到，这里没有除以255再乘2减1，效果是等价的，但写在一起更简洁，也不容易出错。
二是调整维度顺序。MATLAB深度学习工具箱默认的数据格式是H×W×C×N，即高、宽、通道、样本数。MNIST的.mat文件如果存储维度和这个不一致，需要在送入网络之前用permute转一下。比如原始的trainX是N×784的矩阵，需要先reshape成28×28再转置：
XTrain = reshape(XTrain', 28, 28, 1, []);注意这个转置很关键。MNIST的常见存储格式是每行一个样本、每列一个像素，如果不转置，reshape出来的图像会是倒置的。我在这里踩过一次坑，当时生成的图像全部是旋转90度的数字，排查了半天才发现是数据排列问题。
数据准备好以后，训练过程中直接按随机索引抽取batch即可：
idx = randi(size(XTrain, 4), batchSize, 1); XReal = XTrain(:, :, :, idx); XReal = dlarray(single(XReal), 'SSCB');dlarray的第二个参数'SSCB'表示这个数组的四个维度分别是空间(S)、空间(S)、通道(C)、批(B)。这个标记看起来很绕，但对于dlgradient正确计算梯度非常重要。标记错了，网络的前向传播不会报错，但梯度方向会出现隐性问题。
4. 实测结果与高频报错排查
用上面这套配置在普通CPU笔记本上训练5000轮，大约需要40到60分钟。前1000轮基本看不出形状，全是灰蒙蒙的噪点；到2000轮左右开始出现明暗分界，隐约能看出笔画的痕迹；4000轮以后数字轮廓变得比较清晰，部分数字比如0和1已经比较像样了。如果电脑有NVIDIA GPU并且安装了 Parallel Computing Toolbox，MATLAB会自动调用GPU加速，训练时间能缩短到10分钟以内。
下面把我在调试过程中遇到的高频问题逐一列出来，这些问题是网上问得最多的，也是初学者最容易卡住的。
4.1 维度不匹配报错
最常见的报错信息长这样：
Error using dlarray/reshape Number of elements must not change.这通常发生在生成器输出的reshape步骤。fullyConnectedLayer(7*7*128)的输出元素总数是6272，但如果你在createGenerator里写的transposedConv2dLayer输入通道数不是128，reshape后的元素总数就对不上。检查方法和解决思路很简单：计算一下每一层的输出尺寸是否按预期变化，尤其注意'Padding', 'same'和'Stride', 2组合时，偶数尺寸输入经过转置卷积会得到正好两倍尺寸，奇数尺寸会有出入。
4.2dlarray格式标签出错
Error using 'dlarray/forward' Input data must have trailing singleton dimensions.这类问题基本都是dlarray的格式标签写错了。生成器输入的噪声应该是'CB'，图像数据应该是'SSCB'。如果忘记给数据包装成dlarray，或者标签和实际维度顺序不一致，都有可能触发类似报错。
我的习惯是在每个网络的入口处先disp(size(X))打印一下输入尺寸和标签，确认无误再往下写。
4.3 判别器损失直接降到0
训练刚开始几百轮，判别器的损失就快速掉到接近0，生成器的损失反而一直升高。这说明判别器太强，生成器发出来的噪音一眼就能被识破。碰到这种情况，有几个常用对策：
- 把判别器的学习率调低，比如从
2e-4降到1e-4 - 给判别器加Dropout层，降低它的过拟合能力
- 换用更浅的判别器结构，比如把第二个卷积层的通道数从32降到16
- 修改训练节奏，每更新两次生成器再更新一次判别器
反过来，如果生成器损失迅速归零而判别器损失一直很高，那就是生成器太强，要反向操作。
4.4 生成图像全是噪声或者全黑全白
这种情况要分两种可能。如果生成图像是纯噪声，大概率是训练根本没收敛，数值震荡导致生成器输出不稳定，优先检查学习率是否过大。如果生成图像是全黑或全白，需要检查数据归一化是否正确，以及imshow显示时是否把[-1, 1]范围的数据直接显示成了全黑。imshow默认把输入数值按0到1范围解释，小于0的值会被当成0处理。显示之前用extractdata取出数据后，先(X + 1)/2转换回[0, 1]范围：
imshow((extractdata(XShow) + 1) / 2);5. 从基础版到高质量生成：改进路线参考
如果这份基础代码已经顺利跑通，下一步可以尝试几个经典的改进方向，每一步都对应GAN发展历史上一个重要的突破点。
5.1 引入Batch Normalization
在生成器和判别器的卷积层后各加一个batchNormalizationLayer，这是DCGAN的典型改动。BatchNorm能把每层输入拉回到一个较为稳定的分布，解决GAN训练中常见的内部协变量偏移问题。实测加上之后，训练的稳定性明显提升，对学习率的敏感度也降低了。注意判别器的输入层和生成器的输出层不要加BatchNorm，否则会引入不必要的随机性。
5.2 用WGAN-GP代替标准交叉熵损失
标准GAN的交叉熵损失在判别器训练得过于充分时，容易产生梯度消失。WGAN把损失函数换成了Wasserstein距离，从根上改善了这个现象。简单说，WGAN的判别器（critic）不再输出概率值，而是输出一个实数值，通过限制critic的Lipschitz约束来保证训练的平稳性。MATLAB里改起来不算太复杂，主要是把sigmoidLayer去掉，损失函数改为：
lossDis = mean(YFake) - mean(YReal); lossGen = -mean(YFakeGen);同时要对critic的权重做梯度惩罚（gradient penalty），这部分代码稍长，但稳定效果立竿见影。
5.3 条件生成：从数字生成到指定数字生成
如果你想让生成器能指定生成某个数字，就需要引入条件GAN（Conditional GAN）的思想。做法是在生成器输入时，把100维噪声和标签的embedding拼接在一起；判别器输入时，也把标签信息以某种方式叠加进去。这样生成器就能学会按类别生成图像。这个扩展方向在上一篇代码基础上改动最小，但能让你对“生成对抗网络还能做什么”有更直观的理解。
我个人在实际操作中的体会是：跑通基础版GAN只是第一步，真正理解GAN的博弈原理，必须亲手改结构、调损失、看结果变化。这套MATLAB代码的价值就在于结构足够清晰，每一部分都能独立替换，适合用来做各种对比实验。如果只是照着一份代码跑通就结束，最多只能收获一个“我跑过GAN”的结论，远不如花一个下午把BatchNorm加进去、观察训练曲线的变化来得有用。希望你拿到这份代码之后，不只是复制运行，而是每一行都亲手敲一遍，配合本文把损失函数和梯度流理解透。
本文还有配套的精品资源，点击获取
