Python深度学习: Shape of irregular multidimensional data sets

Question

我正在使用 TFLearn 和 python 3.7 创建我的第一个神经网络，其目标是玩蛇。游戏由 10x10 的棋盘组成，空白区域显示为 0，蛇试图吃掉的目标显示为 -1，蛇的头部显示为 1，蛇的每个连续部分显示为前一个部分蛇的一部分 + 1。例如，游戏状态可以是:

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

-1 0 0 0 0 0 0 0 5 0

0 0 0 0 0 0 2 3 4 0

0 0 0 0 0 0 1 0 0 0

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

状态存储为单个数组，大小为 100。

我已经创建了游戏和训练数据，它是包含状态和所采取的操作的列表的列表(包括 0 - 3，代表 4 个方向)。输入数据的元素可以是:

[[0, 0, ... 0], 2]

在上述输入数据元素中，状态为 [0, 0, ... 0]，采取的操作为 2(下移)。

我很难确定该数据的形状，因为操作是一个 int，而不是大小为 100 的列表。我假设数据的形状是:

[None, numberOfInputElements, 2, 100],

虽然这看起来很奇怪，因为所采取的操作是一个整数，而不是数据形状中定义的大小为 100 的列表。

这是正确的吗？如果不正确，正确的形状是什么(如果可能，请解释原因)。

感谢您提供的任何帮助!

Answer 1

最好用一个张量来表示形状为 [None, 100] 的输入图像(或者更好的是 [None, 10, 10]，这样你就可以可以尝试卷积方法)和另一个表示形状为 [None] 或 [None,4] 的 Action 的张量，其中 Action 以 one-hot 表示时尚(这对于定义成本函数(例如交叉熵)很有用)。

一个不相关的想法 - 假设游戏竞技场是循环的，始终将矩阵集中在蛇的头部周围(因此蛇的头始终位于同一位置)。