我试图弄清楚如何在Tensorflow中以有效的方式进行每通道分组卷积（或者替代等效方法，我在这方面很新）
我想在g＆＃39;频道群组中独立执行k个过滤器＆＃39; （总共k * g）。
例如，假设我有一个张量（批量，宽度，高度，通道= 6）
我想在3个通道组[0,1]，[2,3]，[4,5]上独立执行k个卷积。这个输出应该是一个张量（批量，宽度，高度，6 * g * k），其中前三个通道对应于[0,1]组上的卷积，第三个通道是[2,3]小组等。
我通过手动切片组和内核然后重新连接来获得一些hacky方法。它似乎工作，但很丑，可能很慢？我看到有一个深度方式的卷积函数，但这似乎并没有我想要它...
这是我当前的实现（我离我的代码很远，但它基本上就是这样）：
grp1 = relu(conv2d(in[:, :, :, :2], kernel[:, :, :2, :], [1, 1, 1, 1], padding='SAME'))
grp2 = relu(conv2d(in[:, :, :, 2:4], kernel[:, :, 2:4, :], [1, 1, 1, 1], padding='SAME'))
grp3 = relu(conv2d(in[:, :, :, 4:], kernel[:, :, 4:, :], [1, 1, 1, 1], padding='SAME'))
conv_1 = tf.concat(3, [grp1, grp2, grp3])
有关更多背景信息，我的数据是3对EO-IR注册图像。通道0是可见光谱强度，通道1是IR强度，通道2,3和4,5是相似的