Python 如何使用tensorflow队列处理多标签数据？

我有一个很大的图像数据库，里面有相应的标签。我想用CNN对其进行分类，但我的问题是关于使用Tensorflow的输入管道方法。 由于数据库太大，我不得不使用队列

我的数据格式是一个文本文件，如下所示：

my_data.txt：

filename1, label1, label2, label3
filename2, label4, label5
filename3, label2, label6, label7, label8
...

我将其解析为在python列表中使用，如下所示：

my_data=[[filename1，filename3，filename3，…]，[label1，label2，label3]，[label4，label5]，[label2，label6，label7，label8]，…]

我想把它放在一个队列中，并将一个filename元素与其对应的标签一起出列

我尝试的是：

import tensorflow as tf

queue = tf.train.slice_input_producer(my_data, capacity=100,  shuffle=True)
filename = queue[0]
labels = queue[1:]
file_content = tf.read_file(filename)
record = tf.image.decode_png(file_content, channels=3)
image = preprocess(record) # to put shape at a regular value
data_batch = tf.train.batch([image, labels])

init = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer())

with tf.Session() as sess :
    sess.run(init)
    coord =tf.train.Coordinator()
    threads = tf.train.start_queue_runners(coord=coord, sess=sess)
    png_images, labels= sess.run(data_batch)




Traceback (most recent call last):
  File "test_queue.py", line 19, in <module>
    shuffle=True)
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/training/input.py", line 298, in slice_input_producer
    tensor_list = ops.convert_n_to_tensor_or_indexed_slices(tensor_list)
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py", line 925, in convert_n_to_tensor_or_indexed_slices
    values=values, dtype=dtype, name=name, as_ref=False)
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py", line 896, in internal_convert_n_to_tensor_or_indexed_slices
    value, dtype=dtype, name=n, as_ref=as_ref))
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py", line 857, in internal_convert_to_tensor_or_indexed_slices
    as_ref=as_ref)
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py", line 702, in internal_convert_to_tensor
    ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/constant_op.py", line 111, in _constant_tensor_conversion_function
    return constant(v, dtype=dtype, name=name)
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/constant_op.py", line 100, in constant
    tensor_util.make_tensor_proto(value, dtype=dtype, shape=shape, verify_shape=verify_shape))
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/tensor_util.py", line 379, in make_tensor_proto
    _GetDenseDimensions(values)))
ValueError: Argument must be a dense tensor: [['label1', 'label2', 'label3'], ['label4', 'label5'], ['label2', 'label6', 'label7', 'label8']] - got shape [3], but wanted [3, 3].

将tensorflow导入为tf
queue=tf.train.slice\u input\u producer（我的数据，容量=100，随机播放=True）
文件名=队列[0]
标签=队列[1:]
file\u content=tf.read\u文件（文件名）
record=tf.image.decode\u png（文件内容，频道=3）
图像=预处理（记录）#将形状设置为常规值
data\U batch=tf.train.batch（[图像，标签]）
init=tf.group（tf.global\u variables\u initializer（），tf.local\u variables\u initializer（））
使用tf.Session（）作为sess：
sess.run（初始化）
coord=tf.train.Coordinator（）
线程=tf.train.start\u queue\u运行者（coord=coord，sess=sess）
png\u图像，标签=sess.run（数据\u批处理）
回溯（最近一次呼叫最后一次）：
文件“test_queue.py”，第19行，在
洗牌=真）
文件“/usr/local/lib/python3.5/dist packages/tensorflow/python/training/input.py”，第298行，在slice\u input\u producer中
张量列表=运算。将张量列表转换为张量切片或索引切片（张量列表）
文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py”，第925行，在convert\n\u-to\u-tensor\u或\u-indexed\u切片中
values=values，dtype=dtype，name=name，as_ref=False）
文件“/usr/local/lib/python3.5/dist packages/tensorflow/python/framework/ops.py”，第896行，在内部\u convert\n\u到\u tensor\u或\u索引\u切片中
值，dtype=dtype，name=n，as_ref=as_ref））
文件“/usr/local/lib/python3.5/dist packages/tensorflow/python/framework/ops.py”，第857行，在内部\u convert\u to \u tensor\u或\u索引\u切片中
as_ref=as_ref）
文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py”，第702行，在内部\u-convert\u-to\u-tensor中
ret=conversion\u func（值，dtype=dtype，name=name，as\u ref=as\u ref）
文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/constant\u op.py”，第111行，在常量张量转换函数中
返回常量（v，dtype=dtype，name=name）
文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/constant_op.py”，第100行，常量
tensor_util.make_tensor_proto（值，dtype=dtype，shape=shape，verify_shape=verify_shape））
文件“/usr/local/lib/python3.5/dist packages/tensorflow/python/framework/tensor\u util.py”，第379行，在make\u tensor\u proto中
_GetDenseDimensions（值）））
ValueError:参数必须是稠密张量：[[label1]、[label2]、[label3']、[label4]、[label5']、[label2]、[label6]、[label7]、[label8']]-获得形状[3]，但需要[3,3]。

如果a在每个文件名元素中放置相同数量的标签，它就会工作，那么我该怎么做呢