Tensorflow 如何处理输入管道中的标签？

我有一个图像的名称和标签作为列表，我想得到一批64个图像/标签。我可以以正确的方式获得图像，但对于标签，其尺寸是（648126）。每列都有64次相同的元素。行由8126个原始标签值组成，而不会被洗牌

我理解的问题是，对于每个图像tf.train.shuffle_批处理，都会考虑8126元素标签向量。但是，如何为每个图像只传递单个元素呢

def _get_images(shuffle=True):

"""Gets the images and labels as a batch"""

    #get image and label list
    _img_names,_img_class = _get_list() #list of image names and labels

    filename_queue = tf.train.string_input_producer(_img_names)

    #reader
    image_reader = tf.WholeFileReader()
    _, image_file = image_reader.read(filename_queue)

    #decode jpeg
    image_original = tf.image.decode_jpeg(image_file)
    label_original = tf.convert_to_tensor(_img_class,dtype=tf.int32)
    #print label_original

    #image preprocessing
    image = tf.image.resize_images(image_original, [224,224])
    float_image = tf.cast(image,dtype=tf.float32)
    float_image = tf.image.per_image_standardization(image)
    #set the shape
    float_image.set_shape((224, 224, 3))
    #label_original.set_shape([8126]) #<<<<<=========== causes (64,8126) dimension label without shuffle

    #parameters for shuffle
    batch_size = 64
    num_preprocess_threads = 16
    num_examples_per_epoch = 8000
    min_fraction_of_examples_in_queue = 0.4
    min_queue_examples = int(num_examples_per_epoch *
                       min_fraction_of_examples_in_queue)

    if shuffle:
        images_batch, label_batch = tf.train.shuffle_batch(
            [float_image,label_original],
            batch_size=batch_size,
            num_threads=num_preprocess_threads,
            capacity=min_queue_examples + 3 * batch_size,
            min_after_dequeue=min_queue_examples)
    else:
        images_batch, label_original = tf.train.batch(
            [float_image,_img_class],
            batch_size=batch_size,
            num_threads=num_preprocess_threads,
            capacity=min_queue_examples + 3 * batch_size)

    return images_batch,label_batch

def\u获取图像（shuffle=True）：
“”“将图像和标签作为批处理获取”“”
#获取图像和标签列表
_img_名称，_img_类=_get_list（）#图像名称和标签列表
filename\u queue=tf.train.string\u input\u producer（\u img\u name）
#读取器
image\u reader=tf.WholeFileReader（）
_，image\u file=image\u reader.read（文件名\u队列）
#解码jpeg
image\u original=tf.image.decode\u jpeg（图像文件）
label_original=tf.convert_to_tensor（_img_类，dtype=tf.int32）
#打印标签或原件
#图像预处理
image=tf.image.resize\u图像（原始图像，[224224]）
float_image=tf.cast（image，dtype=tf.float32）
float\u image=tf.image.per\u image\u标准化（image）
#定形
浮动图像。设置形状（（2242243））
#label_original.set_shape（[8126]）35;您可以使用
tf.train.slice_input_producer

# here _img_class should be a list
labels_queue = tf.train.slice_input_producer([_img_class])
...
images_batch, label_batch = tf.train.shuffle_batch(
        [float_image,labels_queue],
        batch_size=batch_size,
        num_threads=num_preprocess_threads,
        capacity=min_queue_examples + 3 * batch_size,
        min_after_dequeue=min_queue_examples)

您可以使用
tf.train.slice\u input\u producer

# here _img_class should be a list
labels_queue = tf.train.slice_input_producer([_img_class])
...
images_batch, label_batch = tf.train.shuffle_batch(
        [float_image,labels_queue],
        batch_size=batch_size,
        num_threads=num_preprocess_threads,
        capacity=min_queue_examples + 3 * batch_size,
        min_after_dequeue=min_queue_examples)

格雷特！！谢谢非常感谢！格雷特！！谢谢非常感谢！