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，并且对tf.nn.Conv2d(input, filter, strides, padding)的正确使用感到有点困惑。 尽管乍看之下看起来很简单，但我无法理解以下问题：

对我来说filter, strides, padding使用filter, strides, padding很清楚。 但是，尚不清楚input的正确应用。

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（一定概率）也要在每个步骤中进行预测。 这就是说，为了进行训练，我向网络馈送了整批数据，比如说100，每个单元由3个尺寸为160、128的帧组成。使用tensorflow的NHWC格式，我输入的input将是形状的tf.placeholder (100,160,128,3) 。 因此，对于培训，我要喂养100 160x128x3包。

然而，从我的网络预测输出时（上升或下降与乒乓球桨），在一定的情况下，我只喂160x128x3的网络的一个包 （即三个框架的一个包）。 现在这是张量流崩溃的地方。 它期望(100,160,128,3)但接收(1,160,128,3) 。

现在我很困惑。 我显然不想将批次大小设置为1，并且始终只提供一个软件包进行培训。 但是我该怎么办？ 如何使用tf.nn.conv2d来实现？

如果有人不能引导我朝正确的方向前进，我将不胜感激

预先感谢您的帮助！ 凯文

Answer 1

您需要按照以下tf.placeholder（shape =（None，160,128,3）....）的方式设置占位符，在第一个维度中设置None，您的占位符将灵活地适应您输入1或100的任何值。