Tensorflow_LSTM图片测试batch_size的设置问题

1.书写本篇博客的目的首先是为了让自己不要忘了，顺便帮助遇到一样困扰的小伙伴而已，文笔不佳，请见谅。

2.进入正题：在使用LSTM网络做图片分类测试的时候

注意一个参数：batch_size

在定义LSTM_cell的时候： lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(n_hidden_units, forget_bias=1.0, state_is_tuple=True)

通常下一行写上的是： 

  _init_state = lstm_cell.zero_state(batch_size, dtype=tf.float32)
   outputs, states = tf.nn.dynamic_rnn(lstm_cell, data,  initial_state=_init_state,time_major=False)

这个时候需要注意的是，这个batch_size是什么意思，都知道batch_size是批处理数量，也就是网络一批性训练识别多少个样本的意思，也就是说，若是你保存了LSTM模型后，要重载模型来进行图片测试的时候，那么你就得实际的输入batch_size个样本进入网络来测试，不管你使用什么办法，只要batch_size和你实际输入的测试图片数量不一致，那么就会发生维度不统一的报错（我的报错）：

ConcatOp : Dimensions of inputs should match: shape[0] = [1,128] vs. shape[1] = [128，128]

意思就是，你网络定义的是128*128的，但是你实际只给网络1*128的数据，定义的维度与实际输入测试的维度不统一。

 

所以，解决办法就是，要么改代码把batch_size改成你实际一次测试导入的图片数量，要么按照batch_size的大小一次性导入batch_size张图片进行测试。

代码我就不赋上了，只要改动batch_size=n即可。