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，我对正确使用tf.nn.Conv2d(input, filter, strides, padding). 尽管乍一看看起来很简单，但我无法听到以下问题：的使用filter, strides, padding对我来说很清楚。然而，不清楚的是input.我来自强化学习 Atari (Pong) 问题，在该问题中我想使用网络进行批量训练，并且（以一定的概率）也用于每一步的预测。这意味着，对于训练，我正在为网络提供一整批（假设为 100 ），每个单元由 3 个帧组成，大小为 160、128。使用 tensorflow 的 NHWC 格式，我的输入input将是 atf.placeholder形状(100,160,128,3)。所以为了训练，我喂了 100 个 160x128x3 的包。但是，在某种情况下预测来自我的网络的输出（用乒乓球拍向上或向下）时，我只向网络馈送一包160x128x3（即一包三帧）。现在这是 tensorflow 崩溃的地方。它期望(100,160,128,3)但接收(1,160,128,3).现在我很困惑。我显然不想将批量大小设置为 1 并且总是只提供一个包进行训练。但是我怎么能在这里继续呢？这将如何实施tf.nn.conv2d？如果有人能在这里引导我走向正确的方向，我将不胜感激

Answer 1

我目前正在深入研究 tensorflow，我对正确使用tf.nn.Conv2d(input, filter, strides, padding). 尽管乍一看看起来很简单，但我无法听到以下问题：

的使用filter, strides, padding对我来说很清楚。然而，不清楚的是input.

我来自强化学习 Atari (Pong) 问题，在该问题中我想使用网络进行批量训练，并且（以一定的概率）也用于每一步的预测。这意味着，对于训练，我正在为网络提供一整批（假设为 100 ），每个单元由 3 个帧组成，大小为 160、128。使用 tensorflow 的 NHWC 格式，我的输入input将是 atf.placeholder形状(100,160,128,3)。所以为了训练，我喂了 100 个 160x128x3 的包。

但是，在某种情况下预测来自我的网络的输出（用乒乓球拍向上或向下）时，我只向网络馈送一包160x128x3（即一包三帧）。现在这是 tensorflow 崩溃的地方。它期望(100,160,128,3)但接收(1,160,128,3).

现在我很困惑。我显然不想将批量大小设置为 1 并且总是只提供一个包进行训练。但是我怎么能在这里继续呢？这将如何实施tf.nn.conv2d？

如果有人能在这里引导我走向正确的方向，我将不胜感激

Answer 2

你需要像下面这样设置你的占位符 tf.placeholder(shape=(None,160,128,3) ....) ，在第一维中有 None ，你的占位符将灵活到你输入的任何值 1 或 100。