MNN Resize error for ConvertTensor，The input is not ready，Can’t run session because not resized

背景：

使用vs2017編寫加載mnn模型並推理輸入圖片的程序，發生如下錯誤

The 321's input is not ready
Resize error for 321, code=3
Resize error for ConvertTensor3, code=3
Can't run session because not resized

由於一開始在linux下生成的項目可執行文件也報了這個錯誤輸出，其他推理的輸出也是正常的；根據https://github.com/alibaba/MNN/issues/107
的回答還以爲沒什麼事，但換到windows下使用同樣的代碼在vs中執行同樣的任務時候

linux下運行可執行文件的輸出：

The 321's input is not ready
Resize error for [Convolution], 321, code=3

嘗試(無效)：
1.查看了大量的使用函數的源代碼，找到報錯信息輸出的函數內參數的變化；
2.另外還是用了逐步debug到函數內部，但這種方式不能追溯到dll中封裝好的函數；
3.也同時嘗試了不同版本的visual stuido
4.試了不同的mnn模型，但都是onnx生成的

解決：
出錯的問題是因爲在根據以下網址https://pytorch.org/tutorials/advanced/super_resolution_with_onnxruntime.html
將pytorch模型轉爲onnx模型時，直接使用了例子中的export函數的全部內容，即全部參數，但根據https://github.com/alibaba/MNN/issues/463上作者的回答，在vs讀取mnn模型推理時(即runtime)需要fix input shape，而以下生成onnx模型的代碼中的dynamic_axes把模型輸入的batchsize改成了不定項，所以得到的onnx，mnn模型的輸入尺寸均不定，即使在vs加入下列代碼也沒有用，因爲已經在c++裏用的時候已經是runtime，不支持runtime的resize。

interpreter->resizeTensor(input_tensor, input_dims);
interpreter->resizeSession(ultraview_session);

生成onnx模型的代碼

# Input to the model
x = torch.randn(1, 1, 224, 224)
torch_out = torch_model(x)

# Export the model
torch.onnx.export(torch_model,               # model being run
                  x,                         # model input (or a tuple for multiple inputs)
                  "super_resolution.onnx",   # where to save the model (can be a file or file-like object)
                  export_params=True,        # store the trained parameter weights inside the model file
                  opset_version=10,          # the ONNX version to export the model to
                  do_constant_folding=True,  # whether to execute constant folding for optimization
                  input_names = ['input'],   # the model's input names
                  output_names = ['output'], # the model's output names
                  dynamic_axes={'input' : {0 : 'batch_size'},    # variable lenght axes
                                'output' : {0 : 'batch_size'}})