tensorflow模型中批次通道在1输入前通路上的用途

到目前为止，我已经在TensorFlow（使用Keras）中训练了两个不同的模型，我发现正确的批量大小似乎不仅对训练速度很重要，而且对模型的最终精度也很重要

让我困惑的是，模型在输入（以及输出）上有一个实际的批处理通道作为第一维度。如果我的批大小是32，但我总是在运行时输入1个数据，那么批通道在哪里应用？如果我天生只在正向传递中使用1/批大小的量，我怎么能利用绝大多数呢

如果你对我正在研究的模型感到好奇，那就是这个：

见：

预测的输出形状

：（批次，n个盒子，n个类别+4+8）

---

张量已经穿过了许多其他的层，这些层都有常数，并且也用[batch_size]进行了预训练。在我看来，不同批次索引的输入似乎必须产生不同的结果。也许我只需要向我指出一些非常明显的东西。

似乎在训练后，您必须以1的批量大小重新编译模型，然后将权重从训练模型转移到新模型进行评估。另一种方法是一次执行预测的“批量大小”计数（当然，每个应用程序并不总是可行的）。如果有其他选择（或者我读错了），请随意添加答案

predictions = Concatenate(axis=2, name='predictions')([mbox_conf_softmax, mbox_loc, mbox_priorbox])