模型训练30epoch之后不收敛问题

[fuweifu-vtoo]

您好，我按照您的配置，训练了30个epoch，训练的log如下：
pre-training generator... pre-training discriminator... Start adversarial training... epoch: 0 reward: 0.10155454874038697 epoch: 5 reward: 0.978083610534668 epoch: 10 reward: 0.9903022766113281 epoch: 15 reward: 0.993144416809082 epoch: 20 reward: 0.9884807586669921 epoch: 25 reward: 0.9824935913085937 epoch: 29 reward: 0.9786094665527344
训练到最后一个epoch，reward也只是0.97，和刚开始基本没差别？
训练过程中的avg也基本不变，请问avg代表的是loss吗？这个avg和博客中提到的reward和penalty有什么区别？

[TobiasLee]

以我们的经验来看，reward 确实不会有太大的变化，最好的结果出现在前 5 轮以内。