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，而对tf.nn.Conv2d(input, filter, strides, padding)的正确使用感到有些困惑。尽管乍看之下看起来很简单，但我无法听到以下问题的答案：

我很清楚使用filter, strides, padding。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）还希望在每个步骤中进行预测。这就是说，为了进行训练，我要向网络馈送一整批数据，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，我对input的输入将是一个{{ 1}}的形状为tf.placeholder。因此，为了进行培训，我要喂养100 160x128x3包。

但是，在某些情况下，当预测网络的输出（通过乒乓球桨向上或向下）时，我只向160x128x3的网络一包（即三帧一包）供电。现在这是张量流崩溃的地方。它期望(100,160,128,3)但收到(100,160,128,3)。

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？ (1,160,128,3)如何实现？

如果有人不能将我引导到正确的方向，我们将非常感谢

预先感谢您的帮助！ 凯文

Answer 1

您需要按以下方式设置占位符  tf.placeholder（shape =（None，160,128,3）....），在第一维中没有任何内容，您的占位符将灵活地适应您输入1或100的任何值。