如何同时使用Tensorflow tf.nn.Conv2d进行训练和预测？
How to use Tensorflow tf.nn.Conv2d simultaneously for training and prediction?
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，但我听不懂以下问题：
filter, strides, padding的用法我很清楚。然而，不清楚 input 的正确应用。
我来自一个强化学习 Atari (Pong) 问题，在这个问题中我想使用网络进行批量训练，并且（以一定的概率）也用于每个步骤中的预测。这意味着，为了进行训练，我正在为网络提供一整批数据，比方说 100，每个单元由 3 个帧组成，大小为 160、128。使用张量流的 NHWC 格式，我对 input 的输入将是 tf.placeholder 的形状 (100,160,128,3)。所以为了训练，我喂了 100 个 160x128x3 的包裹。
但是，在某种情况下预测我的网络的输出（用乒乓球拍向上或向下）时，我只向网络提供一个 160x128x3 的包（即一个三帧包）。现在这是 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，并且总是只喂一个包进行训练。但是我怎么能在这里继续呢？如何用 tf.nn.conv2d 实现？
如果有人能在这里引导我走向正确的方向，我将不胜感激
提前感谢您的帮助！
凯文
您需要像下面这样设置您的占位符
tf.placeholder(shape=(None,160,128,3) ....) ，在第一个维度中有 None ，您的占位符将灵活地适应您输入的任何值 1 或100.
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，但我听不懂以下问题：
filter, strides, padding的用法我很清楚。然而，不清楚 input 的正确应用。
我来自一个强化学习 Atari (Pong) 问题，在这个问题中我想使用网络进行批量训练，并且（以一定的概率）也用于每个步骤中的预测。这意味着，为了进行训练，我正在为网络提供一整批数据，比方说 100，每个单元由 3 个帧组成，大小为 160、128。使用张量流的 NHWC 格式，我对 input 的输入将是 tf.placeholder 的形状 (100,160,128,3)。所以为了训练，我喂了 100 个 160x128x3 的包裹。
但是，在某种情况下预测我的网络的输出（用乒乓球拍向上或向下）时，我只向网络提供一个 160x128x3 的包（即一个三帧包）。现在这是 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，并且总是只喂一个包进行训练。但是我怎么能在这里继续呢？如何用 tf.nn.conv2d 实现？
如果有人能在这里引导我走向正确的方向，我将不胜感激
提前感谢您的帮助！ 凯文
您需要像下面这样设置您的占位符 tf.placeholder(shape=(None,160,128,3) ....) ，在第一个维度中有 None ，您的占位符将灵活地适应您输入的任何值 1 或100.