Я построил классификатор, используя tesnorflow.Я генерирую области предложений из изображений, и эти предложения индивидуально классифицируются моим классификатором.
Моя проблема заключается в том, что у меня нет постоянного размера пакета при оценке моей модели.Поскольку каждое изображение имеет различное количество предложений, количество предложений, которые будут оцениваться для каждого изображения, не является постоянным.
Сейчас я установил размер пакета на 1, но это неэффективно и ограничивает скорость обработкимоего классификатора.
Ниже заполнитель для ввода в модель
self.image_op = tf.placeholder(tf.float32, shape=[batch_size, 48, 48, 3], name='input_image')
И вот как я передаю ввод в модель
def predict(self,image):
cls_prob = self.sess.run([self.cls_prob], feed_dict={self.image_op: image})
return cls_prob
Есть ли способустановить размер пакета в динамическое значение без необходимости восстановления модели для каждого изображения?