Keras将输入数据序列与静态特征结合起来

Question

我目前正在努力解决将静态功能与批处理中的一系列输入数据相结合的问题。

我有两个输入数据通道，一个通过卷积神经网络处理（例如.vgg-16或类似的）并输出一个特征图。

我的第二个输入通道包含一个输入数据列表（可变长度）。

该列表的每个条目和计算出的特征图都应该输入分类器。

我知道我可以使用TimeDistributed Wrapper处理数据序列，但这只能部分解决我的问题：

• 第一个输入通道中的要素图计算成本很高，每批只应执行一次
• 由于第二个通道中的列表具有可变长度，我无法使用重复层来正确复制功能图，此外我遇到了内存问题，因为我无法容纳数百（或数千）个副本gpu内存中的特征映射

将静态数据（每批次数）与数据序列正确组合的最佳方法是什么？