为什么我的本地连接层要消耗这么多RAM？

Question

我将Keras / Tensorflow用于以下模型：

def local_model(input_size = (300,320,4)):
    inputs = Input(input_size)

    local = LocallyConnected2D (2, kernel_size=1, strides=1, padding='valid', kernel_initializer = 'zeros', use_bias=False, activation='linear')(inputs)


    model = Model(input = inputs, output = local)

出于某种原因，构建此模型会消耗大量内存（在计算机上而不是在GPU上），并且需要很长时间才能完成。 总而言之，该模型产生了768000个可训练参数。为什么要消耗约11GB的RAM？

我在这里真正想要实现的是对每个输入像素进行加权。如果有替代解决方案，请分享。 编辑1： 我在这里找到了另一种方法：How to add a trainable hadamard product layer in keras?

此致， 埃拉德