Python深度学习：不规则多维数据集的形状

Question

我正在使用TFLearn和python3.7创建我的第一个神经网络，目标是玩snake。 该游戏由一个10x10的棋盘组成，空白区域显示为0，蛇试图吃掉的目标显示为-1，蛇头显示为1，蛇的每个连续部分显示为蛇的前一部分+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，这是一个列表，其中包含一个状态和所采取的操作（0-3包括在内，代表4个方向）。输入数据的一个元素可以是：

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

在上面的输入数据元素中，状态是[0，0。。。0]而采取的操作是2（下移）

我很难确定此数据的形状，因为操作是一个int而不是大小为100的列表。我假设数据的形状为：

[None, numberOfInputElements, 2, 100],

尽管这看起来很奇怪，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

这是否正确，如果不正确，正确的形状是什么（如果可能，请解释原因）

谢谢你的帮助

Answer 1

最好有一个张量用[None, 100]（或者更好，用[None, 10, 10]表示输入图像，这样您可以尝试卷积方法）和另一个张量用[None]表示动作，或者[None,4]，其中，动作以一种热的方式表示（这对于定义成本函数（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，总是围绕蛇头的矩阵中心（所以蛇头总是在同一个位置）