dynamic convolution动态卷积理解
参考
代码：https://github.com/kaijieshi7/Dynamic-convolution-Pytorch
博客：https://mp.weixin.qq.com/s/mZUSH7_7ysISoSMfxo4Vjw
就是原本的一个固定的卷积核，现在变为可以根据输入自适应改变注意力的卷积核
如上图所示，现在一个卷积核由K个卷积核决定，参数量大约上升了K倍(论文中说计算量并没有上升多少)
输入经过注意力提取，得到这k个卷积核的权重，线性加权起来就是新的一个卷积核
attention部分也就是普通的SENet那套，得到k个参数，不过要将原本的一个卷积核变为由k个卷积核加权的卷积核实现起来还是有坑，比如batchsize>1时，这个batch里的每个数据都需要不同的k个卷积核，/待续 我先看看代码