Python 出于性能目的，在Tensorflow中对一批图像进行推理的正确方法是什么_Python_Tensorflow_Neural Network_Conv Neural Network

Python 出于性能目的，在Tensorflow中对一批图像进行推理的正确方法是什么

python tensorflow neural-network

Python 出于性能目的，在Tensorflow中对一批图像进行推理的正确方法是什么,python,tensorflow,neural-network,conv-neural-network,Python,Tensorflow,Neural Network,Conv Neural Network,我试图完成的是在Tensorflow中一次使用一批图像而不是单个图像进行推理。我想知道处理多幅图像以加速推理的最合适的方法是什么在单个图像上进行推理很容易，并且在大多数教程中都很常用，但我还没有看到的是以批处理的方式进行推理以下是我目前在高层使用的内容： pl = tf.placeholder(tf.float32) ... sess.run([boxes, confs], feed_dict={pl: image}) 如果您能提供任何相关信息，我将不胜感激。根据您的模型的设计方式，您只需

我试图完成的是在Tensorflow中一次使用一批图像而不是单个图像进行推理。我想知道处理多幅图像以加速推理的最合适的方法是什么

在单个图像上进行推理很容易，并且在大多数教程中都很常用，但我还没有看到的是以批处理的方式进行推理

以下是我目前在高层使用的内容：

pl = tf.placeholder(tf.float32)
...
sess.run([boxes, confs], feed_dict={pl: image})

如果您能提供任何相关信息，我将不胜感激。

根据您的模型的设计方式，您只需向

pl

提供一组图像即可。然后，输出的第一个维度对应于批处理中图像的索引

许多张量运算都有一个批量多个示例的实现。例如，也有一些例外。在这种情况下，您必须重写您的网络，例如使用