Keras的“可训练”范围

Question

我有两个Keras网络。为了便于说明，我的模型类似于GAN。因此，我们有一个鉴别器（D）和一个发生器（G）。 显然，为了训练（G），应该冻结（D）层。 如果我使用D.trainable = False冻结了它们，那么在训练（D）时应该反转此参数吗？

Keras中model.trainable的范围是什么？ 我看过只更改一次该参数状态的代码： https://github.com/nairouz/Keras-GAN/blob/master/gan/gan.py

怎么可能呢？有什么解释吗？

Answer 1

来自How can I "freeze" Keras layers?：

  

此外，您可以在实例化后将图层的可训练属性设置为True或False。为使此方法生效，您需要在修改可训练属性后在模型上调用compile()。

同样适用于模型。这意味着，当您设置D.trainable = False时，直到您编译D（或任何其他利用D的模型）后，该设置才会生效，因此不会影响您之前拥有的模型