TensorFlow中的洗牌与训练

我正在使用此代码解码CSV文件：

def read_csv(batch_size, file_name, record_defaults):
   filename_queue = tf.train.string_input_producer([file_name])
   reader = tf.TextLineReader(skip_header_lines=1)
   key, value = reader.read(filename_queue)
   decoded = tf.decode_csv(value, record_defaults=record_defaults)

   return tf.train.batch(decoded, batch_size=batch_size, capacity=batch_size*50, allow_smaller_final_batch=True)

考虑我的CSV文件如下（40行；数字1、2、3和4的10倍）：

两个问题： （1） 当我使用tf.train.batch时，批大小为10，步骤数=4，在培训期间从队列中获取的批为：

step 1: [1,1,1,1,1,1,1,1,1,1]
step 2: [3,3,3,3,3,3,3,3,3,3]
step 3: [1,1,1,1,1,1,1,1,1,1]
step 4: [3,3,3,3,3,3,3,3,3,3]

。。。我不明白为什么。我想它会在每一步10个批次中正确采样1、2、3和4

（2） 当我使用tf.train.shuffle\u batch而不是tf.train.batch时，洗牌输出类似于：

step 1: [1,1,1,1,2,2,1,1,2,1]
step 2: [4,3,4,3,2,1,4,3,3,2]
step 3: [4,1,1,2,1,1,1,2,2,2]
step 4: [3,3,3,1,3,4,2,4,4,4]

为什么有些数字在这里表示，例如13次（数字1）或8次（数字4），而不是10次？出于这个原因，我想如果我只使用4个步骤进行训练，我的纪元是不完整的，因为有些数字没有被采用

step 1: [1,1,1,1,2,2,1,1,2,1]
step 2: [4,3,4,3,2,1,4,3,3,2]
step 3: [4,1,1,2,1,1,1,2,2,2]
step 4: [3,3,3,1,3,4,2,4,4,4]