Python Deep Learning: форма нерегулярных многомерных наборов данных

Question

Я использую TFLearn и python 3.7 для создания моей первой нейронной сети, цель которой - играть в змею.Игра состоит из доски 10х10, пустые места которой обозначены как 0, цель, которую змея пытается съесть, обозначена как -1, голова змеи показана как 1, и каждая последующая часть змеи показана как предыдущаячасть змеи + 1. Например, игровое состояние может быть:

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

Состояние сохраняется как отдельный массив размером 100.

Я создал игру иданные обучения, представляющие собой список списков, содержащих состояние и предпринятые действия (от 0 до 3 включительно, представляющих 4 направления).Элементом входных данных может быть:

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

В указанном выше элементе входных данных состояние было [0, 0, ... 0], а выполненное действие - 2 (сдвинуться вниз).

У меня проблемы с определением формы этих данных, поскольку действие представляет собой int, а не список размером 100. Я предполагаю, что форма данных будет такой:

[None, numberOfInputElements, 2, 100],

, хотяэто кажется странным, поскольку предпринимаемое действие является целым числом, а не списком размером 100, как определено в форме данных.

Будет ли это правильно, а если нет, какой будет правильная форма (если возможно, просьба объяснить, почему).

Спасибо за любую помощь, которую вы можете оказать!

Answer 1

Было бы лучше иметь один тензор, представляющий входное изображение с формой [None, 100] (или лучше [None, 10, 10], чтобы вы могли попробовать сверточный подход), и другой тензор, представляющий действие с формой [None], иливозможно, [None,4], где действие представлено в одноразовой форме (это полезно для определения функций стоимости, таких как кросс-энтропия).

Не связанная с этим идея - предполагая, что игровая арена является циклической, всегда центральнойматрица вокруг головы змеи (поэтому голова змеи всегда находится в одном и том же месте).