如何将恢复的Tensorflow模型的输入大小调整为批量大小1以进行测试时间评估？

Question

我正在尝试在推理阶段使用Tensorflow上的训练模型。在训练期间，我使用通过shuffle_batch函数获得的批量大小为8：

image_batch, label_batch = \
    tf.train.shuffle_batch([image, label], batch_size=8, 
                           capacity=2000, num_threads=2, 
                           min_after_dequeue=1000)

以下是推理阶段的相关部分：

with tf.Session() as sess:
    saver = tf.train.import_meta_graph('model_enc_dec-0.meta')
    saver.restore(sess, tf.train.latest_checkpoint('./'))

    graph = tf.get_default_graph()
    pred = tf.get_collection('logits_key')[0]

    image_batch_tensor = tf.get_collection('image_batch_key')[0]
    .......
    .......
    # image_loaded_from_disk is of size (1, 384, 384, 3)
    feed_dict = {image_batch_tensor:image_loaded_from_disk}
    pred_np = sess.run([pred], feed_dict=feed_dict)

以下是我在对已恢复的模型进行推理时在sess.run（）行中获得的错误：

  

ValueError：无法为Tensor u＆＃39; shuffle_batch：0＆＃39;提供形状值（1,384,384,3），其形状为＆＃39;（8,384,384,3）＆＃ 39;

如何调整训练好的模型以接受单个图像在模型中前进？