Я адаптируюcifar10 пример свертки к моей проблеме. Я хотел бы изменить ввод данных с дизайна, который читает изображения по одному из файла, на дизайн, который работает с уже имеющимся в памяти набором изображений. Оригиналinputs() функция выглядит так:

read_input = cifar10_input.read_cifar10(filename_queue)
reshaped_image = tf.cast(read_input.uint8image, tf.float32)
# Crop the central [height, width] of the image.
resized_image = tf.image.resize_image_with_crop_or_pad(reshaped_image,
                                                     width, height)

В оригинальной версииread_input тензор, содержащий одно изображение.

Я храню все свои изображения в оперативной памяти, поэтому вместо использованияfilename_queueУ меня есть один огромныйimages_tensor = tf.constant(images), гдеimages_tensor.shape есть (что-то, 32, 32, 3).

Мой вопрос очень-очень простой: как лучше всего применить какую-то функцию (tf.image.resize_image_with_crop_or_pad в моем случае) ко всем элементамimages_tensor?

Повторение проблематично в тензорном потоке с ограниченным количеством фрагментов (TensorFlow - индексированная тензорная индексация). Есть ли решение для достижения этой цели с помощью одной команды?