Ich passe das @ cifar10 Faltungsbeispiel zu meinem Problem. Ich möchte die Dateneingabe von einem Entwurf, bei dem Bilder einzeln aus einer Datei gelesen werden, in einen Entwurf ändern, bei dem bereits gespeicherte Bilder verarbeitet werden. Das Originalinputs() -Funktion sieht so aus:

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)

In der Originalversion,read_input ist ein Tensor, der ein Bild enthält.

Ich behalte alle meine Bilder im RAM, anstatt @ zu verwendfilename_queue, Ich habe ein riesigesimages_tensor = tf.constant(images), woimages_tensor.shape ist (etwas, 32, 32, 3).

Meine Frage ist sehr, sehr einfach: Was ist der beste Weg, um eine Funktion anzuwenden tf.image.resize_image_with_crop_or_pad in meinem Fall) zu allen Elementen vonimages_tensor?

Iterieren ist im Tensorflow problematisch, mit begrenzten Schichten TensorFlow - numpy like tensor indexing). Gibt es eine Lösung, um dies mit nur einem Befehl zu erreichen?