Deep learning Deepmind深度Q网络（DQN）3D卷积_Deep Learning_Conv Neural Network_Q Learning

Deep learning Deepmind深度Q网络（DQN）3D卷积

deep-learning

Deep learning Deepmind深度Q网络（DQN）3D卷积,deep-learning,conv-neural-network,q-learning,Deep Learning,Conv Neural Network,Q Learning,我在读DQN网络上的deepmind nature论文。除了一个，我几乎什么都知道了。我不知道为什么以前没有人问过这个问题，但对我来说似乎有点奇怪我的问题: DQN的输入是一个84*84*4的图像。第一个卷积层由32个8*8的滤波器组成，带stide 4。我想知道卷积相位的结果到底是什么？我的意思是，输入是3D的，但我们有32个过滤器，都是2D的。第三维度（对应于游戏中最后4帧）是如何参与卷积的有什么想法吗？谢谢 Amin您可以将第三维（表示最后四帧）视为进入网络的通道如果将RGB的三

我在读DQN网络上的deepmind nature论文。除了一个，我几乎什么都知道了。我不知道为什么以前没有人问过这个问题，但对我来说似乎有点奇怪

我的问题: DQN的输入是一个84*84*4的图像。第一个卷积层由32个8*8的滤波器组成，带stide 4。我想知道卷积相位的结果到底是什么？我的意思是，输入是3D的，但我们有32个过滤器，都是2D的。第三维度（对应于游戏中最后4帧）是如何参与卷积的

有什么想法吗？谢谢

Amin

您可以将第三维（表示最后四帧）视为进入网络的通道

如果将RGB的三个通道组合起来以创建灰度表示，则会出现类似的情况。在这种情况下，分别执行每个卷积（针对每个通道），并将贡献相加，以给出最终的输出特征映射

DeepMind的家伙们参考了这篇文章（），这篇文章可能会提供更好的解释。

很抱歉回复晚了。这实际上帮了大忙。谢谢