Estou adaptando oexemplo de convolução cifar10 para o meu problema. Gostaria de alterar a entrada de dados de um design que lê imagens uma de cada vez de um arquivo para um design que opera em um conjunto de imagens já na memória. O originalinputs() A função tem esta aparência:

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)

Na versão original,read_input é um tensor contendo uma imagem.

Eu mantenho todas as minhas imagens na RAM, então, em vez de usarfilename_queueEu tenho uma enormeimages_tensor = tf.constant(images), Ondeimages_tensor.shape é (algo, 32, 32, 3).

Minha pergunta é muito, muito básica: qual é a melhor maneira de aplicar alguma função (tf.image.resize_image_with_crop_or_pad no meu caso) a todos os elementos deimages_tensor?

A iteração é problemática no fluxo tensor, com fatias limitadas (TensorFlow - indexação de tensores do tipo numpy) Existe uma solução para conseguir isso usando apenas um comando?