tensorflow和CNN中的可变批量

我想在一维CNN中输入一个固定长度的序列，并希望它做出预测（回归），但我希望在训练期间有一个可变的批量大小。这些教程并没有真正的帮助

在我的输入层中，我有如下内容：

input = tf.placeholder(tf.float32, [None, sequence_length], name="input")
y = tf.placeholder(tf.float32, [None, 1], name="y")

因此我假设

None

维度可以是任意数量的可变批量大小，因此当前

input

维度是

batch\u size*sequence\u length

，我应该为网络提供一个2d np数组，其中包含维度

any*sequence\u length

tf.nn.conv1d

需要3-D，因为我的输入是一个单通道，是序列长度为1 np的观察数组，我需要输入到cnn的输入应该是

1*批量大小*序列长度

，另一方面，如果我有两个不同的序列，我组合起来预测一个单一的值，它将是

2*batch\u size*sequence\u length

，我还需要连接两个不同的通道。所以在我的情况下，我需要

input = tf.expand_dims(input, -1)

然后过滤器也遵循相同的步骤：

filter_size = 5
channel_size = 1
num_filters = 10
filter_shape = [filter_size, channel_size, num_filters]
filters = tf.Variable(tf.truncated_normal(filter_shape, stddev=0.1), name="filters")
tf.nn.conv1d(value=input, filters=filters, stride=1)

在这之后，我添加了一个FC层，但是网络无法学习任何东西，即使是一个基本函数，比如sin（x），上面的代码看起来正确吗

还有，我如何进行最大池