我正在尝试在TensorFlow中实现SOLO架构的实例分割（解耦版本）。

https://arxiv.org/pdf/1912.04488.pdf

目前，我需要计算损失函数，并将第一个conv2d层的每个输出图与第二个层的输出图相乘。

xi = Conv2D(…)(input) # 输出为 (batch, None, None, 24)yi = Conv2D(…)(input) # 输出为 (batch, None, None, 24)

我需要将xi的每个输出图（逐元素）与yi相乘，以获得(batch, None, None, 24*24)的输出。我需要将第一个conv2d的单个输出特征图与第二个conv2d层的全部特征图进行逐元素乘法，依此类推。这就是为什么是24 * 24的原因。

我尝试使用for循环来实现这一点，但得到了错误：

OperatorNotAllowedInGraphError: iterating over tf.Tensor is not allowed:                                                     AutoGraph did convert this function.

有什么建议可以使用一些TF2操作来实现这一点吗？

回答：

这基本上是最后一个维度的外积，然后将最后两个维度折叠。表达这个操作的简短方法是使用tf.repeat和tf.tile。

#channel_dims是最后一个维度的长度，即你在问题中的24 @tf.functiondef outerprodflatten(x,y,channel_dims):  return tf.repeat(x,channel_dims,-1)*tf.tile(y,[1,1,1,channel_dims])

要在函数式API中使用这个，你还需要定义一个自定义的keras层或lambda层，例如

class Outerprodflatten_layer(tf.keras.layers.Layer):    def __init__(self, channel_dims):        self.channel_dims = channel_dims        super().__init__()    def call(self, inputs):        return tf.repeat(inputs[0],self.channel_dims,-1)*tf.tile(inputs[1],[1,1,1,self.channel_dims])x = Conv2D(…)(input) # 输出为 (batch, None, None, 24)y = Conv2D(…)(input) # 输出为 (batch, None, None, 24)out=Outerprodflatten_layer(24)([x,y])