本发明公开了一种基于WGAN的超参数动态调整方法，属于深度学习神经网络领域，该超参数动态调整方法包括以下步骤：S1、构造沃瑟斯坦生成式对抗网络WGAN模型；S2、输入图像数据集，设置默认的超参数λ，对网络进行训练；S3、在第i次迭代的过程中，记录判别器的损失函数Xi；S4、在第i+1次的迭代过程中，记录判别器的损失函数为Xi+1；S5、计算Xi?Xi+1的差值，动态调整超参数λ的数值。本方法能够解决在网络训练的过程中，由超参数引起的网络震荡问题，动态调整超参数λ，能够使判别器灵活地学习数据集中的特征，增强自身损失函数递减的稳定性，从而使整个生成对抗网络的训练效果更好。