分组卷积在pytorch中比较容易实现，只需要在卷积的时候设置group参数即可
比如设置分组数为2
conv_group = nn.Conv2d(C_in,C_out,kernel_size=3,stride=3,padding=1,groups = 2)
但是，tensorflow中目前还没有分组卷积，只能自己手动编写分组卷积函数。
在编写程序之前大家要先理解分组卷积的形式，也就是对特征图在通道上进行划分，例如设置group=3，对输入特征图通道划分成三组，输出特征图也要划分成3组，再对三组输入输出特征图分别进行卷积。
实现过程如下：
1.获取输入特征图和输出特征图通道数，再结合分组数进行划分
2.对输入特征图的每一组进行单独卷积
3.将每组卷积后的结果进行通道上的拼接
代码如下：
def group_conv(x, filters, kernel, stride, groups):
channel_axis = 1 if K.image_data_format() == 'channels_first' else -1
in_channels = K.int_shape(x)[channel_axis]#计算输入特征图的通道数
nb_ig = in_channels // groups#对输入特征图通道进行分组
nb_og = filters // groups#对输出特征图通道进行分组
gc_list = []
for i in range(groups):
if channel_axis == -1:
x_group = Lambda(lambda z: z[:, :, :, i * nb_ig: (i + 1) * nb_ig])(x)
else:
x_group = Lambda(lambda z: z[:, i * nb_ig: (i + 1) * nb_ig, :, :])(x)
gc_list.append(Conv2D(filters=nb_og, kernel_size=kernel, strides=stride,
padding='same', use_bias=False)(x_group))#对每组特征图进行单独卷积
return Concatenate(axis=channel_axis)(gc_list)#在通道上进行特征图的拼接
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/226858.html原文链接：https://javaforall.net
![python一行实现局域网内传输文件[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
