Python Tensorflow中从图像列表中提取批次

我有一个imagestry列表，用于使用自定义图像训练CNN模型，通过以下方式定义和重塑：

reader.images = tf.reshape(self.images, [-1, 256, 256, 3])

其中打印：

reader.Images :
[[[[ 127.  255.  127.]
   [ 140.  255.  114.]
   [ 217.  255.   38.]
  ..., 
  [[ 255.  240.    0.]
   [ 255.  241.    0.]
   [ 249.  246.    6.]
   ..., 
   [ 203.  237.   52.]
   [ 152.  251.  102.]
   [ 143.  253.  111.]]

  [[ 255.  184.    0.]
   [ 248.  192.    7.]
   [ 205.  242.   50.]
   ..., 
   [ 255.  139.    0.]
   [ 255.  171.    0.]
   [ 255.  177.    0.]]

  [[ 255.  178.    0.]
   [ 237.  187.   18.]
   [ 131.  240.  124.]
   ..., 
   [ 255.  123.    0.]
   [ 255.  156.    0.]
   [ 255.  162.    0.]]]]

我想通过每次迭代提取一批来训练我的模型。但当我使用：

image_batch = tf.train.batch(
        [reader.images], batch_size=batch_size, dynamic_pad=True)

批次大小=1时

我得到的整个图像输出与上面打印的整个列表图像相同。 我是Tensorflow的新手，欢迎提供任何提示。

简短回答： 对于您要求的内容，您应该添加enqueue_many=True

长答覆： 通常使用tf.train.batch从单个项张量（例如来自队列）创建批

所以你可以给它输入一个图像张量[256，256，3]，然后得到一个批量张量[batch_size，256，256，3]

它通常不用于从列表张量中分割批次。如果这样使用的话，您必须将所有的图像加载到内存中，这样就不能很好地扩展

这至少是默认值，enqueue_many=False：

如果enqueue_many为False，则假定张量表示单个 实例形状为[x，y，z]的输入张量将作为 形状张量[批量大小，x，y，z]

如果确实要将所有图像加载到内存中，可以将enqueue_many=True添加到tf.train.batch调用中

如果enqueue_many为真，则假设张量表示一批 示例，其中第一个维度按示例索引，以及所有 张量的成员在第一维度应该具有相同的大小。 如果输入张量具有形状[*，x，y，z]，则输出将具有形状 [批次大小，x，y，z]。capacity参数控制存储的时间长度 允许预取来增加队列

---

我建议阅读更多指南，现在记录使用数据集的新推荐方法，而不是以前推荐的队列-您可以直接从数据集创建批，而不是调用tf.train.batch。

谢谢您的回答！如果有人能为此提供一个简单的程序/示例，我将不胜感激。