关于单张图片inference的问题

[yourlovedu]

你好，我发现在使用infer.py时，输入图片的数量必须和BATCH_SIZE一样。
1）当BATCH_SIZE为40，我用如下代码预测时：
for img_pd in val_img:
val_predict = sess.run(pred_decode_result,feed_dict={image: np.array([img_pd])})
predit = cfg.int2label(np.argmax(val_predict, axis=2))
print(predit)
会出现这样的错误：ConcatOp : Dimensions of inputs should match: shape[0] = [40,326] vs. shape[1] = [1,256]
也就是输入图片的数量得和BATCH_SIZE一样。

2）当我把BATCH_SIZE改为2，我用如下代码预测时：
for img_pd in val_img:
val_predict = sess.run(pred_decode_result,feed_dict={image: np.array([img_pd，img_pd])})
predit = cfg.int2label(np.argmax(val_predict, axis=2))
print(predit)
虽然能输出结果，但是结果却是没那么准确的。

3）我把BATCH_SIZE改为1之后，在build_network时会报错：0 is not an invariant for the loop.
定位是tf.contrib.seq2seq.dynamic_decode这个函数里面出错了。
所以没办法通过更改BATCH_SIZE为1来实现单张图片预测。

那么，请问一下，如何进行单张图片的预测呢？
期待你的回复，谢谢！

[MatrixPlayer]

没看到解决方案，为什么closed掉了？ issues#15也没有解决这问题啊

[MatrixPlayer]

@yourlovedu @wushilian

[wushilian]

@MatrixPlayer 暂时没有解决，单张图片预测由于bn的影响，准确度会下降

[zuokai]

@wushilian 我用你ctc的代码发现你没有保存bn的参数。。保存了就正常了

[yourlovedu]

@zuokai 那该怎么保存呢

[zuokai]

@yourlovedu
update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
with tf.control_dependencies(update_ops):
self.optimizer = tf.train.MomentumOptimizer(learning_rate=self.learning_rate, momentum=FLAGS.momentum, use_nesterov=True).minimize(self.cost,
global_step=self.global_step)

加前面两句话。或者你可以用tensorpack，框架自动帮你保存bn参数，比较方便。