问为什么有些人将两个不同网络的参数链接在一起，并用相同的优化器训练它们？

EN

来自chain文档：https://docs.python.org/3/library/itertools.html#itertools.chain

itertools.chain(*iterables)

    Make an iterator that returns elements from the first iterable until it is exhausted, then proceeds to the next iterable, until all of the iterables are exhausted.

由于parameters()提供了一个迭代器，因此您可以使用优化器同时优化这两个网络的参数。因此，两个模型(Modules)将使用相同的优化器状态，如果您使用两个不同的优化器，则参数将分别优化。

如果您有一个复合网络，则有必要同时优化(所有)参数，因此对所有参数使用一个优化器是可行的。

由于“循环”的原因，同时优化两个发电机(并增加两个损失)是有意义的。循环损耗使用两个生成器- G_B(G_A(A))和G_A(G_B(B))。我认为，如果您要使用单独的优化器，则需要在调用step()之前对这两个损失调用backward()才能达到相同的效果(对于所有优化算法，这不一定都是真的)。

在官方代码中，鉴别器的参数也是链接的，但您可以很容易地使用单独的优化器(同样，对于其他优化算法，这不一定是真的)，因为D_A的损失不依赖于D_B。