Tensorflow GAN中的冻结鉴别器层

我正试图在Keras中实现一个新的应用程序，但我相信这个问题更普遍地与GANs和冻结层有关

据我所知，我需要三种型号：

细化器，用于处理合成图像以使其更逼真。（在其他GAN架构中，这可能是接受随机噪声的发生器。）

鉴别器，用于处理图像并将其分类为合成图像或真实图像

一种组合模型，将合成图像通过细化器，然后将细化后的图像送入鉴别器

在组合模型中，我们希望将鉴别器层冻结，以便在训练组合模型时，只更新细化器层

另外，我们只训练鉴别器模型，其中显然不应冻结层。鉴别器模型和组合模型的层应共享权重，以便两者都得到更新

以下是我目前掌握的情况：

细化器模型=制作细化器模型（输入形状=（img\u高度、img\u宽度、img\u通道））
鉴别器模型=生成鉴别器模型（输入形状=细化器模型。输出形状[1:]）
#创建具有冻结鉴别器层的组合模型
合成\u图像\u张量=层。输入（细化器\u模型。输入\u形状[1:]）
细化器模型输出=细化器模型（合成图像张量）
组合输出=鉴别器模型（澄清器模型输出）
组合_模型=模型。模型(
输入=合成图像张量，
输出=[refiner\u model\u output，combined\u output]，
name='combined'
)

如何冻结组合模型中的鉴别器层，而不冻结仅鉴别器模型中的鉴别器层

---

委员会明确建议如下：

refiner\u model.compile（…）
鉴别器_model.compile（…）
鉴别器_model.trainable=错误
组合_model.compile（…）

但是当我打印出

discriminator\u model.summary（）

时，参数的数量增加了一倍

Total params: 151,812
Trainable params: 75,906
Non-trainable params: 75,906

然后我会得到，并最终失败。

我相信

.compile（）->.trainable->.summary（）

会给出不正确的结果，所以这有点危险。我相信

.compile（）->.trainable->.summary（）

会给出不正确的结果，所以这有点危险。