Estoy adaptando elejemplo de convolución cifar10 a mi problema Me gustaría cambiar la entrada de datos de un diseño que lee imágenes de un archivo a la vez de un archivo a un diseño que funciona en un conjunto de imágenes que ya está en la memoria. El originalinputs() la función se ve así:

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)

En la versión originalread_input es un tensor que contiene una imagen.

Mantengo todas mis imágenes en RAM, así que en lugar de usarfilename_queueTengo uno enormeimages_tensor = tf.constant(images), dóndeimages_tensor.shape es (algo, 32, 32, 3).

Mi pregunta es muy, muy básica: ¿cuál es la mejor manera de aplicar alguna función (tf.image.resize_image_with_crop_or_pad en mi caso) a todos los elementos deimages_tensor?

La iteración es problemática en el flujo de tensor, con cortes limitados (TensorFlow - indexación de tensor tipo numpy) ¿Hay alguna solución para lograr esto usando solo un comando?