时间戳

首页 > 解决方案 > Python 深度学习：不规则多维数据集的形状

python - Python 深度学习：不规则多维数据集的形状

问题描述

我正在使用 TFLearn 和 python 3.7 创建我的第一个神经网络，目标是玩蛇。游戏由一个 10x10 的棋盘组成，空白区域显示为 0，蛇试图吃的目标显示为 -1，蛇的头部显示为 1，蛇的每个连续部分显示为前面蛇的一部分 + 1。例如，游戏状态可以是：

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

-1 0 0 0 0 0 0 0 5 0

0 0 0 0 0 0 2 3 4 0

0 0 0 0 0 0 1 0 0 0

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0

状态存储为单个数组，大小为 100。

我已经创建了游戏和训练数据，这是一个包含状态和所采取行动的列表列表（包括 0 - 3，代表 4 个方向）。输入数据的一个元素可以是：

[[0, 0, ... 0], 2]

在上述输入数据元素中，状态为 [0, 0, ... 0]，采取的动作为 2（下移）。

我很难确定此数据的形状，因为该操作是 int 而不是大小为 100 的列表。我假设数据的形状为：

[None, numberOfInputElements, 2, 100],

虽然这看起来很奇怪，因为所采取的操作是一个整数，而不是数据形状中定义的大小为 100 的列表。

这是正确的，如果不是，正确的形状是什么（如果可能，请解释原因）。

谢谢你提供的所有帮助！

标签： pythonlisttensorflowdeep-learningtflearn

解决方案

最好有一个张量表示具有形状的输入图像[None, 100]（或者更好，[None, 10, 10]因此您可以尝试卷积方法）和另一个张量表示具有形状的动作[None]，或者也许[None,4]，其中动作以单热方式表示（这对于定义成本函数（例如交叉熵）很有用）。

一个不相关的想法 - 假设游戏竞技场是循环的，始终将矩阵围绕蛇的头部居中（因此蛇的头部始终位于同一位置）。

推荐阅读