如何同时使用 Tensorflow tf.nn.Conv2d 进行训练和预测？答案

【问题标题】：How to use Tensorflow tf.nn.Conv2d simultaneously for training and prediction?如何同时使用 Tensorflow tf.nn.Conv2d 进行训练和预测？
【发布时间】：2019-05-01 14:22:50
【问题描述】：

我目前正在更深入地研究 tensorflow，我对正确使用 tf.nn.Conv2d(input, filter, strides, padding) 感到有些困惑。虽然乍一看很简单，但我无法理解以下问题：

filter, strides, padding 的用法我很清楚。然而，尚不清楚input 的正确应用。

我来自一个强化学习 Atari (Pong) 问题，我想将网络用于批量训练并且（以一定的概率）还用于每个步骤的预测。这意味着，为了训练，我正在为网络提供一整批，比如说 100 ，每个单元由 3 个大小为 160、128 的帧组成。使用 tensorflow 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，我要喂 100 个 160x128x3 的包。

但是，在特定情况下预测我的网络的输出（使用乒乓球拍向上或向下）时，我只向网络提供 160x128x3 的一个包（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。但是我该如何继续呢？这将如何使用tf.nn.conv2d 实现？

如果有人能在这里引导我走向正确的方向，非常感谢

提前感谢您的帮助！凯文

【问题讨论】：

标签： python tensorflow neural-network deep-learning reinforcement-learning

【解决方案1】：

您需要按如下方式设置占位符 tf.placeholder(shape=(None,160,128,3) ....) ，在第一个维度中使用 None ，您的占位符将灵活地适应您提供 1 或 100 的任何值。

【讨论】：

谢谢！我实际上之前尝试过，但显然在从卷积层转换到完全连接层时遇到了重塑问题。但是，由于您的回答，我再次尝试，后来解决了重塑问题。非常感谢！凯文