今天早上我一直在努力让 TensorFlow io api 正常工作。

经过一些研究，我设法读入了数据，但在出队时无法正确绑定(bind)图像和标签。

这是我写的代码:

# load csv content 
csv_path = tf.train.string_input_producer(['list1.csv', 'list2.csv']) 
textReader = tf.TextLineReader() 
_, csv_content = textReader.read(csv_path) 
im_name, label = tf.decode_csv(csv_content, record_defaults=[[""], [1]]) 
 
# load images 
im_content = tf.read_file(im_dir+im_name) 
image = tf.image.decode_png(im_content, channels=3) 
image = tf.cast(image, tf.float32) / 255. 
image = tf.image.resize_images(image, 640, 640) 
 
# make batches 
im_batch, lb_batch = tf.train.batch([image, label], batch_size=batch) 

im_batch 和 lb_batch 的顺序被打乱了(图像绑定(bind)到随机标签)。

知道发生了什么吗？谢谢。

请您参考如下方法:

你列出的代码没有问题。

im_batch, lb_batch = tf.train.batch([image, label], batch_size=batch) 

上面的行将图像和标签绑定(bind)到同一个队列，因此无论何时对 im_batch 或 lb_batch 执行操作，队列都会从另一个队列中弹出一批数据单元。 所以一个常见的错误可能是分别调用 im_batch.eval() 和 lb_batch.eval():

# this is wrong 
images = im_batch.eval() 
labels = lb_batch.eval() 

调用 im_batch.eval() 后，lb_batch 也会弹出相同数量的数据单元，因为它们绑定(bind)在一个队列中。所以当接下来调用 lb_batch.eval() 时，它实际上给出了下一批处理的标签。

正确的做法是将 im_batch 和 lb_batch 放入一个单元操作中，可以是图或 sess.run() 操作列表:

1. 这是正确的

   loss = your_network_model(im_batch, lb_batch) 损失.eval()

2.

# this is correct 
images, labels = sess.run([im_batch, lb_batch])