Tensorflow tf.train.batch输出不确定

我正在使用Tensorflow学习MNIST数据。 对于批处理，我从单个图像创建一个批处理，如下所示：

BatchedInputs = list(tf.train.batch(
  Inputs,
  batch_size=BatchSize,
  num_threads=self._PreprocessThreads,
  capacity=self._MinimumSamplesInQueue + 3 * BatchSize))

当我创建（用于测试）大小为1的批并在TensorBoard中查看这些图像时，我可以看到，并非每次运行时，每个图像都与其他运行中的图像相同。 它们不会被直接洗牌，但有时会包含另一个图像

---

我希望从该操作中获得确定性输出，但事实并非如此。也许我做错了什么事（开始排队出错或类似的事情）

如果在调用时设置

num_threads>1

，则生成的程序将是不确定的，因为这将创建三个不协调的预取线程，这些线程计算

输入

，并将下一个元素插入队列。由于预取线程是不协调的，因此这些线程之间存在将队列中的元素排队的竞争，这导致队列元素顺序的不确定性

---

设置

num_threads=1

应该使程序的这一部分具有确定性，假设程序的其他部分具有确定性。然而，这是一个很弱的保证，尤其是在基于队列的输入例程中使用洗牌会使程序变得不确定。

另一个注意：当我不批处理数据，而只是向我的网络提供列表

输入时，输入数据在所有运行中都是确定的。实际上，我使用8线程进行预取。将数字减少到1将解决此问题！谢谢你清楚的解释。