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

背景：

使用vs2017编写加载mnn模型并推理输入图片的程序，发生如下错误

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

由于一开始在linux下生成的项目可执行文件也报了这个错误输出，其他推理的输出也是正常的；根据https://github.com/alibaba/MNN/issues/107
的回答还以为没什么事，但换到windows下使用同样的代码在vs中执行同样的任务时候

linux下运行可执行文件的输出：

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

尝试(无效)：
1.查看了大量的使用函数的源代码，找到报错信息输出的函数内参数的变化；
2.另外还是用了逐步debug到函数内部，但这种方式不能追溯到dll中封装好的函数；
3.也同时尝试了不同版本的visual stuido
4.试了不同的mnn模型，但都是onnx生成的

解决：
出错的问题是因为在根据以下网址https://pytorch.org/tutorials/advanced/super_resolution_with_onnxruntime.html
将pytorch模型转为onnx模型时，直接使用了例子中的export函数的全部内容，即全部参数，但根据https://github.com/alibaba/MNN/issues/463上作者的回答，在vs读取mnn模型推理时(即runtime)需要fix input shape，而以下生成onnx模型的代码中的dynamic_axes把模型输入的batchsize改成了不定项，所以得到的onnx，mnn模型的输入尺寸均不定，即使在vs加入下列代码也没有用，因为已经在c++里用的时候已经是runtime，不支持runtime的resize。

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

生成onnx模型的代码

# 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'}})