在批量predict时显存上涨，最后OOM问题的解决思路

[simplew2011]

原因：keras.backend.get_value函数会添加新的节点到tf的图中；在每次循环图片预测时导致了tf的图越来越大，内存泄露。
参照：
https://blog.csdn.net/mingshili/article/details/81941677
修改predict.py里的CTC解码部分，可解决。
每次重置session会打印tensorflow信息，比较难看，通过在predict.py开头添加下面关闭控制台输出的tensorflow信息：
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

[simplew2011]

原因：keras.backend.get_value函数会添加新的节点到tf的图中；在每次循环图片预测时导致了tf的图越来越大，内存泄露。
参照：
https://blog.csdn.net/mingshili/article/details/81941677
修改predict.py里的CTC解码部分，可解决。
每次重置session会打印tensorflow信息，比较难看，通过在predict.py开头添加下面关闭控制台输出的tensorflow信息：
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

二次更新，前面方法视乎还是有问题，找到下面最终方法解决：
https://github.com/YCG09/chinese_ocr/blob/master/densenet/model.py