Python 将图像目录馈送到TensorFlow对象检测

如何有效地将整个JPEG图像目录提供给TensorFlow的对象检测API进行推断

我目前有一个官方教程Jupyter笔记本的修改版本，与

for

循环相结合，以迭代目录中的图像

要遍历图像，请执行以下操作：

 for image_path in TEST_IMAGE_PATHS:
          image = Image.open(image_path)
          image_np = load_image_into_np_array(image)

然后，在相同的for循环中，我使用feed_dict馈送TensorFlow：

 output_dict = sess.run(tensor_dict,
                                 feed_dict={image_tensor: np.expand_dims(image, 0)})

虽然这是可行的，但它会在几个映像之后导致内存不足（OOM）错误。我正在将检测掩码写入PNG文件，这可能会导致膨胀

是否有更有效的方法将图像提供给模型

虽然我读过tf.data和排队技术，但大多数描述都集中在训练模型上