Keras 我是否必须每批重新编译我的Gan，以防止鉴别器学习？

我有一只这样的鹅

generator = Model(g_in, g_out)
generator.compile(...)

discriminator = Model(d_in, d_out)
discriminator.trainable = True
discriminator.compile(..)

discriminator.trainable = False

gan = Model(inputs=.., outputs=..)
gan.compile(..)

#iterate over epochs and batches, without compiling

它学习并给出可接受的输出。然而，我得到了警告：

“keras\engine\training.py:490:UserWarning:可训练重量和收集的可训练重量之间存在差异，您是否设置了

model.trainiable

，而未调用

model.compile

？ “可训练重量和收集的可训练重量之间的差异”

如果我重新编译鉴别器并对每一批进行扫描，警告就会消失，但一次迭代需要更长的时间，而且训练速度较慢

for epoch:
  for batch:

    fakes=generator.predict_on_batch(batch)

    discriminator.trainable = True
    discriminator.compile(..)

    discriminator.train_on_batch(batch, ..)
    discriminator.train_on_batch(fakes, ..)

    discriminator.trainable = False
    discriminator.compile(..)
    gan.compile(..)

    gan.train_on_batch(batch,..)

---

哪一个是正确的？

这是预期的，不需要重新编译每个批次。Keras对此有一个公开的bug：

那里的回复中有一些如何绕过警告的例子，我不打算在这里重复。还有一个回复，提供了很好的建议，如果您对模型的细节不确定，如何验证您是否真的在培训您应该培训的内容：