El reconocimiento facial de una sola muestra es un problema muy desafiante, donde cada persona tiene solo una muestra de entrenamiento etiquetada. Es difícil describir las variaciones faciales desconocidas. En este documento, proponemos una red generativa adversarial compartida (SharedGAN) para ampliar el conjunto de datos de la galería. Beneficiándose de la red de decodificación compartida, SharedGAN solo requiere un pequeño número de muestras de entrenamiento. Después de obtener las muestras generadas, las unimos en un gran conjunto de datos público. Luego, se entrena una red neuronal convolucional profunda en el nuevo conjunto de datos. Utilizamos el modelo bien entrenado para la extracción de características. Con las características convolucionales profundas, se entrena un clasificador softmax simple. Nuestro método ha sido evaluado en los conjuntos de datos AR, CMU-PIE y FERET. Los resultados experimentales demuestran la efectividad de SharedGAN y muestran su robustez para el reconocimiento facial de una sola muestra.