TensorFlow 2 中的分组转换

如何解决TensorFlow 2 中的分组转换

TensorFlow2.x 是否支持 Group Convolution？
我看到很多帖子/博客/教程说TensorFlow不支持它，我也看到一些帖子说tf.keras.layers.DepthwiseConv2D相当于组卷积。但是，我注意到tf.keras.layers.Conv2d中有一个group参数，这是很多论文（例如ResNeXt论文）中描述的group卷积吗？还是我理解错了？
任何帮助和解释都会很棒！

编辑：组转换（第三个）和等效并行转换（前两个）的示例。 ResNeXt 论文中的示例

pytorch 中深度为 4 的 32 个组的 group conv，这意味着总输出通道为 128：
torch.nn.Conv2d(in_channels=128,out_channels=128,kernel_size=(3,3),groups=32)

更具体地说，输入通道为 i 的 n 个组和深度为 d 的组卷积将把 i 个输入通道分成 n 个大小相等的组，每组将是一个具有相同内核大小的普通卷积，步长为 i/ n 个通道作为输入，d 个通道作为输出。所有组的输出将连接到 n*d 个通道并作为输入传递到下一层。

解决方法

是的，tensorflow 确实通过 groups 参数直接支持 Group Conv。来自 TF2 官方文档中的 Conv2D arguments：

groups：一个正整数，指定输入沿通道轴拆分的组数。每个组分别与过滤器/组过滤器进行卷积。输出是所有组结果沿通道轴的串联。输入通道和过滤器都必须可以被组整除。