如何同時使用Tensorflow tf.nn.Conv2d進行訓練和預測？

Question

我目前正在深入研究tensorflow，並且對tf.nn.Conv2d(input, filter, strides, padding)的正確使用感到有點困惑。 盡管乍看之下看起來很簡單，但我無法理解以下問題：

對我來說filter, strides, padding使用filter, strides, padding很清楚。 但是，尚不清楚input的正確應用。

我來自強化學習Atari（Pong）問題，在該問題中，我想使用網絡進行批量訓練，並且（一定概率）也要在每個步驟中進行預測。 這就是說，為了進行訓練，我向網絡饋送了整批數據，比如說100，每個單元由3個尺寸為160、128的幀組成。使用tensorflow的NHWC格式，我輸入的input將是形狀的tf.placeholder (100,160,128,3) 。 因此，對於培訓，我要喂養100 160x128x3包。

然而，從我的網絡預測輸出時（上升或下降與乒乓球槳），在一定的情況下，我只喂160x128x3的網絡的一個包 （即三個框架的一個包）。 現在這是張量流崩潰的地方。 它期望(100,160,128,3)但接收(1,160,128,3) 。

現在我很困惑。 我顯然不想將批次大小設置為1，並且始終只提供一個軟件包進行培訓。 但是我該怎么辦？ 如何使用tf.nn.conv2d來實現？

如果有人不能引導我朝正確的方向前進，我將不勝感激

預先感謝您的幫助！ 凱文

Answer 1

您需要按照以下tf.placeholder（shape =（None，160,128,3）....）的方式設置占位符，在第一個維度中設置None，您的占位符將靈活地適應您輸入1或100的任何值。