#記錄分類概率分佈
pridects = np.zeros((1, CLASS_NUM))

# 圖片維度（高、寬）
img_shape = np.array(img.shape)
# 裁剪的大小（高、寬）
crop_dims = (32, 96)
crop_dims = np.array(crop_dims)
# 這裡使用的圖片高度全部固定為32，長度可變，最小為96
# 裁剪起點為0，終點為w_range
w_range = img_shape[1] - crop_dims[1]
# 從左往右剪一遍，再從右往左剪一遍，步長為96/4=24
for k in range(0, w_range + 1, crop_dims[1] / 4) + range(w_range, 1, -crop_dims[1] / 4):
    # 裁剪圖片
    crop_img = img[:, k:k + crop_dims[1], :]
    # 資料輸入、預處理
    net.blobs['data'].data[...] = transformer.preprocess('data', crop_img)
    # 前向迭代，即分類
    out = net.forward()
    # 每一次分類，概率分佈疊加
    pridects += out['prob']

# 取最大的概率分佈為最終結果
pridect = pridects.argmax()