凱拉斯：關於GPhilo的關於prevs與Forecast_on_batch的帖子的問題。 無法預測（）已經處理好單個圖像嗎？

Question

Keras模型的predict和predict_on_batch方法之間有什么區別？

“不同之處在於，當您傳遞大於一批的x數據時。

預測將遍歷所有數據，預測標簽。 因此，它在內部分批進行分批並一次進料一批。

另一方面，predict_on_batch假定您傳入的數據正好是一批，因此將其饋送到網絡。 它不會嘗試將其拆分（如果陣列很大，則拆分可能會對您的GPU內存造成問題，具體取決於您的設置）”-GPhilo

1）我很難理解為什么我們要在單個圖像上使用predict_on_batch，而不是直接在單個批處理上運行predict（）。 Gphilo說predict_on_batch的優點是predict_on_batch不會嘗試在參數中拆分變量。

對於單個圖像，如果數據嘗試分割圖像，我們該怎么辦？ .predict（）是否應該能夠處理單個圖像？ 預報（）將能夠正確識別單個圖像，對不對？

假設我們有一個灰度圖像single_image，大小為（1,128,128,1）

那我們不能做：

model.predict（單張圖片）

代替

model.predict_on_batch（single_image）嗎？

並且使用predict_on_batch似乎有缺點。 那么，如果predict_on_batch會導致GPU問題，為什么還要使用predict_on_batch？ Forecast_on_batch有什么好處？

2）還是我誤會了？ 出於我未曾想到的原因，.predict能不能很好地攝取單個圖像嗎？

我是一個初學者，我想也許我在誤解/沒有注意到GPhilo信息中的明顯內容。

Answer 1

是的你可以。

• 您可以預測很多批次（系統會得出結論，這是一個批次）
• 您可以預測一個批次（系統不會嘗試計算批次）

兩種選擇都很好。

使用predict_on_batch沒有缺點。 相反，它會快於predict ，因為它確實少東西。

如果batch_size == len(data) ，則predict_on_batch中可能發生的所有內存問題與predict情況完全相同。