python - 如何同时使用Tensorflow tf.nn.Conv2d进行训练和预测？

Question

我目前正在深入研究 tensorflow ，我对 tf.nn.Conv2d(input, filter, strides, padding) 的正确使用感到有点困惑。虽然乍一看很简单，但我无法听到以下问题:

过滤器、步幅、填充的使用对我来说很清楚。然而，尚不清楚的是输入的正确应用。

我来自一个强化学习 Atari (Pong) 问题，其中我想使用网络进行批量训练并(以一定的概率)在每个步骤中进行预测。这意味着，为了训练，我将向网络提供一整批 100 个单元，每个单元由 3 个大小分别为 160、128 的帧组成。使用 tensorflow 的 NHWC 格式，我对 input 的输入将是形状为 (100,160,128,3) 的 tf.placeholder。因此，为了训练，我喂了 100 个 160x128x3 的包。

但是，在某种情况下预测网络的输出(随着乒乓 Racket 上升或下降)时，我仅向网络提供 160x128x3 的一包(即一包三帧) 。现在这就是 tensorflow 崩溃的地方。它期望 (100,160,128,3) 但收到 (1,160,128,3)。

现在我很困惑。我显然不想将批量大小设置为 1 并且始终只提供一个包进行训练。但我该如何继续呢？如何使用 tf.nn.conv2d 来实现这一点？

如果有人能引导我走向正确的方向，我将非常感激

预先感谢您的帮助!凯文

Answer 1

您需要如下设置占位符 tf.placeholder(shape=(None,160,128,3) ....) ，在第一维中没有 None 时，您的占位符将灵活地适应您提供的任何值(1 或 100)。