为了实现一个可以玩空气曲棍球的神经网络算法，我有两个输入想法，我试图找出哪种设计最可行。

输出必须是两个模拟值，指示机器人在特定时间点上半个桌子上的最佳位置，每秒评估 60 次。

咨询了一位有实现并行算法经验的教授，建议我使用单隐藏层的卷积神经网络，将图像数据直接处理为输入层，处理后可视化直接查看并以某种方式通过预处理强调冰球和木槌。我已经开始了这方面的工作，并使用 OpenCV 成功实现了冰球和木槌的对象检测，以获取所有 3 个实体的中心坐标。

然而，由于能够以每秒 60 次的速度成功和准确地预处理这些数据，我的想法是直接在输入层上输入这些数据（在使用误差函数标准化值之后），并可能实现一个深度学习算法，该算法采用不止一个隐藏层。问题是我没有任何实现神经网络的经验，所以我什至不确定哪种类型的层最适合这个，或者我应该如何设置权重。

我想考虑我的想法的另一个原因是，鉴于输入和输出相对较少，可能不需要 GPU 每秒执行 60 次前向传播，而使用我的教授推荐的卷积网络，我知道我需要以某种方式使用 CUDA 来实现。

最推荐这两种输入法中的哪一种，如果我要尝试实现我的想法，我应该考虑哪些类型的层？此外，对于任何一种方法使用现有框架的任何建议都将受到高度赞赏。