Tensorflow - 对多个图像进行批量预测

Question

我有一个faces列表，其中列表的每个元素都是一个形状为 ( 1, 224, 224, 3) 的 numpy 数组，即人脸图像。我有一个模型，其输入形状为(None, 224, 224, 3)，输出形状为(None, 2)。

现在我想对faces列表中的所有图像进行预测。当然，我可以遍历列表并一个一个地得到预测，但我想将所有图像作为一个批次处理，只使用一次调用来model.predict()更快地获得结果。

如果我像现在这样直接传递人脸列表（最后是完整的代码），我只会得到第一张图像的预测。

print(f"{len(faces)} faces found")
print(faces[0].shape)
maskPreds = model.predict(faces)
print(maskPreds)

输出：

3 faces found
(1, 224, 224, 3)
[[0.9421933  0.05780665]]

但是maskPreds对于 3 个图像应该是这样的：

[[0.9421933  0.05780665], 
 [0.01584494 0.98415506], 
 [0.09914105 0.9008589 ]] 

完整代码：

print(f"{len(faces)} faces found")
print(faces[0].shape)
maskPreds = model.predict(faces)
print(maskPreds)

注意：如果我不将每个图像从 (224, 224, 3) 转换为 ( 1, 224, 224, 3)，tensorflow 会抛出错误，指出输入维度不匹配。

ValueError: Error when checking input: expected input_1 to have 4 dimensions, but got array with shape (224, 224, 3)

如何实现批量预测？

Answer 1

model.predict()在这种情况下，函数的输入需要作为形状(N, 224, 224, 3)的 numpy 数组给出，其中 N 是输入图像的数量。

为此，我们可以将N个大小为( 1, 224, 224, 3) 的独立 numpy 数组堆叠成一个大小为( N, 224, 224, 3) 的数组，然后将其传递给函数。model.predict()

maskPreds = model.predict(np.vstack(faces))