使用Conv2d批量处理Tensorflow开关盒

Question

假设我有一个形状为[n，h，w，c]的批处理，以及要在0-9和10 Conv2D convs范围内的n个索引列表，我想将它们应用于数据取决于列表中的索引。索引列表随批次而变化。

例如。输入x，批处理大小为4，索引为l = [1,5,1,9]，我想计算[convs[l[0]](x[0]), convs[l[1]](x[1]), convs[l[2]](x[2]), convs[l[3]](x[3])]

幼稚的解决方案是根据l计算每个组合并收集。但是，这需要10倍的内存量。有没有更好的解决方案来解决这个问题？

Answer 1

一种“ 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而不是内核形状为[1, x, y]

如果您分别定义了权重（也可以使用layer.weights获得权重），则可以类似地将其堆叠在第0维上，并通过tf.nn.conv3d使用它们。