noise = (torch.rand(real_inputs.shape[0], 128) - 0.5) / 0.5 

        noise = noise.to(device) 

        fake_inputs = G(noise) 

        fake_outputs = D(fake_inputs) 

        fake_label = torch.zeros(fake_inputs.shape[0], 1).to(device) 

 

        outputs = torch.cat((real_outputs, fake_outputs), 0) 

        targets = torch.cat((real_label, fake_label), 0) 

 

        D_loss = loss(outputs, targets) 

        D_optimizer.zero_grad() 

        D_loss.backward() 

        D_optimizer.step() 

 

        # Training the generator 

(责任编辑：admin)