python - tensorflow2中的model(input)和model.predict(input)有什么区别？

Question

我做了一个 Yolov4 项目来检测视频中的人物。我发现它可以检测图像中的对象。但是在视频中，它只能得到第一帧的结果。结果在其他帧中为 nan。model(image_data)如果我使用而不是，这个错误将被修复model.predict(image_data)，我阅读了源代码：

计算是分批完成的。此方法专为大规模输入的性能而设计。对于适合一批的少量输入，__call__建议直接使用以加快执行速度，例如 ， model(x)或者model(x, training=False)如果您有诸如 tf.keras.layers.BatchNormalization在推理过程中表现不同的层。另外，请注意测试损失不受噪声和丢失等正则化层的影响。

我想这两个结果应该是一样的。

标签： pythontensorflowmachine-learningkerasyolo