python - 使用 Conv2d 批量维度的 Tensorflow 开关案例

Question

假设我有一个形状为 [n, h, w, c] 的批处理以及一个包含 0-9 和 10 Conv2D convs 范围内的 n 个索引的列表，我想应用它根据列表中的索引来获取数据。索引列表随每个批处理而变化。

例如。输入 x、批量大小 4 和索引 l=[1,5,1,9] 我想计算 [convs[l[0]](x[0]), convs[l[1]] (x[1]), 卷积[l[2]](x[2]), 卷积[l[3]](x[3])]

一个简单的解决方案是计算每个组合并根据l进行收集。然而，这需要 10 倍的内存量。对于这个问题有更好的解决方案吗？

Answer 1

一个“hacky”解决方案是将输入的维度从 [n, h, w, c] 扩展到 [1, n, h, w, c]，然后使用 Conv3D 代替内核形状 [1, x, y]

如果您单独定义了权重(也可以使用layer.weights获得权重)，您可以类似地将它们堆叠在第0维并通过tf.nn.conv3d使用它们.