在 Keras 中编译模型后如何动态冻结权重？
How to dynamically freeze weights after compiling model in Keras?
我想在 Keras 中训练 GAN。我的最终目标是 BEGAN，但我从最简单的开始。了解如何正确冻结权重在这里是必要的，这就是我正在努力解决的问题。
在生成器训练期间，鉴别器权重可能不会更新。我想交替 freeze 和 unfreeze 鉴别器来交替训练生成器和鉴别器。问题是在 discriminator 模型上或什至在其权重上将 trainable 参数设置为 false 不会停止模型训练（以及权重更新).另一方面，当我在将 trainable 设置为 False 后编译模型时，权重变为 unfreezable。我无法在每次迭代后编译模型，因为这否定了整个训练的想法。
由于这个问题，似乎许多 Keras 实现都存在错误，或者由于旧版本中的一些非直观技巧或其他原因，它们可以正常工作。
可以使用tf.stop_gradient有条件地冻结权重吗？
几个月前我试过这个示例代码并且它有效：
https://github.com/fchollet/keras/blob/master/examples/mnist_acgan.py
这不是最简单的 GAN 形式，但据我所知，去除分类损失并将模型变成 GAN 并不太难。
您不需要将 on/off 鉴别器的可训练 属性 转为 属性 并重新编译。只需创建并编译两个模型对象，一个带有 trainable=True（代码中的 discriminator），另一个带有 trainable=False（代码中的 combined）。
更新鉴别器时，请调用 discriminator.train_on_batch()。更新生成器时，请调用 combined.train_on_batch().
可能你的对抗网络（生成器加判别器）写在了'Model'中。
然而，即使你设置了d.trainable=False，独立的d网络被设置为不可训练的，但是整个对抗网络中的d仍然是可训练的。
你可以在设置 d.trainable=False 之前使用 d_on_g.summary() 然后你会明白我的意思（注意可训练的变量）。
我想在 Keras 中训练 GAN。我的最终目标是 BEGAN，但我从最简单的开始。了解如何正确冻结权重在这里是必要的，这就是我正在努力解决的问题。
在生成器训练期间，鉴别器权重可能不会更新。我想交替 freeze 和 unfreeze 鉴别器来交替训练生成器和鉴别器。问题是在 discriminator 模型上或什至在其权重上将 trainable 参数设置为 false 不会停止模型训练（以及权重更新).另一方面，当我在将 trainable 设置为 False 后编译模型时，权重变为 unfreezable。我无法在每次迭代后编译模型，因为这否定了整个训练的想法。
由于这个问题，似乎许多 Keras 实现都存在错误，或者由于旧版本中的一些非直观技巧或其他原因，它们可以正常工作。
可以使用tf.stop_gradient有条件地冻结权重吗？
几个月前我试过这个示例代码并且它有效： https://github.com/fchollet/keras/blob/master/examples/mnist_acgan.py
这不是最简单的 GAN 形式，但据我所知，去除分类损失并将模型变成 GAN 并不太难。
您不需要将 on/off 鉴别器的可训练 属性 转为 属性 并重新编译。只需创建并编译两个模型对象，一个带有 trainable=True（代码中的 discriminator），另一个带有 trainable=False（代码中的 combined）。
更新鉴别器时，请调用 discriminator.train_on_batch()。更新生成器时，请调用 combined.train_on_batch().
可能你的对抗网络（生成器加判别器）写在了'Model'中。 然而，即使你设置了d.trainable=False，独立的d网络被设置为不可训练的，但是整个对抗网络中的d仍然是可训练的。
你可以在设置 d.trainable=False 之前使用 d_on_g.summary() 然后你会明白我的意思（注意可训练的变量）。