我正在尝试在Keras中实现SimGAN，但我认为问题通常与GAN和冻结层有关。
据我了解，我需要三种模型：
优化程序，它处理合成图像以使其更加逼真。 （在其他GAN架构中，这可能是 generator ，它会接受随机噪声。）
鉴别器，用于处理图像并将其分类为合成图像或真实图像。
一个组合模型，该模型将合成图像通过精炼机，然后将精炼图像传递到鉴别器。
在组合模型中，我们希望冻结鉴别器层 ，以便在训练组合模型时，我们仅更新精简器层。
另外，我们训练仅鉴别器模型，显然不应冻结层。鉴别器模型和组合模型的各层应共享权重，以便它们都可以更新。
这是我到目前为止所拥有的：
refiner_model = make_refiner_model(input_shape=(img_height, img_width, img_channels))
discriminator_model = make_discriminator_model(input_shape=refiner_model.output_shape[1:])
# create combined model with frozen discriminator layers
synthetic_image_tensor = layers.Input(refiner_model.input_shape[1:])
refiner_model_output = refiner_model(synthetic_image_tensor)
combined_output = discriminator_model(refiner_model_output)
combined_model = models.Model(
inputs=synthetic_image_tensor,
outputs=[refiner_model_output, combined_output],
name='combined'
)
如何在组合模型中冻结标识符层，而在仅标识符的模型中冻结？
Keras FAQ明确建议以下内容：
refiner_model.compile(...)
discriminator_model.compile(...)
discriminator_model.trainable = False
combined_model.compile(...)
但是当我打印出discriminator_model.summary()时，参数数量增加了一倍吗？
Total params: 151,812
Trainable params: 75,906
Non-trainable params: 75,906
然后我将得到warnings about changing .trainable without recompiling，最终以this error失败。