直接在main.py上面复制这个代码运行，没有图片的？

如果直接将上述代码粘贴到`main.py`文件并在命令行或Jupyter Notebook环境中运行，你确实不会看到生成的图片，因为代码片段里缺少了一些关键部分，比如损失函数的选择、优化器配置、以及训练循环。完整的GAN代码应该包含以下内容：

- 模型的定义（生成器和判别器）
- 定义损失函数（如GAN的最小二乘损失）
- 配置优化器（例如Adam）
- 训练步骤（包括生成器和判别器的更新）
- 图片保存或可视化（使用matplotlib或其他库）

例如，你可以添加一个`for`循环，在每轮训练后检查并保存一张生成的图片：

while True:  # 假设这是训练循环的一部分
    # 训练判别器
    real_labels = np.ones((batch_size,))
    fake_labels = np.zeros((batch_size,))
    
    # 生成假样本
    noise = np.random.normal(0, 1, (batch_size, 100))
    generated_images = generator.predict(noise)

    # 混合真实和生成样本
    X = np.concatenate([real_images, generated_images])
    y = np.concatenate([real_labels, fake_labels])

    d_loss = discriminator.train_on_batch(X, y)
    
    # 训练生成器
    noise = np.random.normal(0, 1, (batch_size, 100))
    g_loss = combined.train_on_batch(noise, [np.ones((batch_size, 1)), generated_images])

    if i % save_interval == 0:  # 每隔一定次数保存一张图片
        img = generated_images[0]
        plt.imshow(img, cmap='gray')
        plt.savefig('generated_image_{}.png'.format(i))
        plt.close()

    # 适当记录和打印损失
    print(f"Epoch {i}, Discriminator Loss: {d_loss}, Generator Loss: {g_loss}")

确保在实际运行前导入所需的库，并根据你的项目环境设置合适的参数，如批量大小（batch_size）、迭代次数（i）和图片保存间隔（save_interval）。这样，每次训练后就会生成一张图片。