但是在GAN网络中我学习率和生成率设置的一样没问题，一旦加入wasserstein来计算损失函数，就无法生成正常图像。这是为什么呢

在GAN网络中，学习率和生成率的设置需要根据具体的实验情况来调整，不一定相同。而在使用Wasserstein距离计算损失函数时，可能会遇到梯度消失（gradient vanishing）或梯度爆炸（gradient exploding）的问题，导致生成器无法生成正常的图像。这是因为Wasserstein距离的计算需要对判别器进行多次训练，而判别器的更新可能会对生成器的训练产生负面影响。为了解决这个问题，可以尝试使用其他的损失函数或优化算法，或者对网络结构进行改进，以提高模型的稳定性和生成能力。