Keras将输入数据序列与静态特征相结合

Question

我目前正在努力解决将静态特性与批处理中的输入数据序列相结合的问题。在

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

我的第二个输入通道包含一个输入数据列表（长度可变）。在

该列表中的每个条目和计算的特征映射都应该输入到分类器中。在

我知道我可以使用时间分布包装器来处理数据序列，但这只能部分解决我的问题：

• 在第一个输入通道中计算特征映射是昂贵的，并且每批只能执行一次
• 由于第二个通道中的列表长度可变，我无法使用重复层来正确复制特征映射，此外，我遇到内存问题，因为我无法在gpu内存中保存数百（或数千）个特征映射副本

正确地将静态数据（每批一个）与一系列数据正确地结合起来的最佳方法是什么？在