我正在尝试根据这篇博文实现 Wasserstein GAN： https ://myurasov.github.io/2017/09/24/wasserstein-gan-keras.html

它有一个 wasserstein 损失：

def d_loss(y_true, y_pred):
    return K.mean(y_true * y_pred)

我的理解是 y_pred 收敛到两个值：如果图像是假的，则为 1，如果图像是真实的，则为 -1。我的问题是，这如何鼓励鉴别器收敛？如果 y_true 为 1 且 y_pred 为 1，则损失为 1。似乎鼓励网络仅输出零值以使损失为 0。