TensorFlow 中有许多图像操作用于在训练期间扭曲输入图像，例如tf.image.random_flip_left_right(image, seed=None) 和 tf.image.random_brightness(image, max_delta, seed=None) 以及其他几个。
这些函数适用于单个图像（即形状为 [高度、宽度、颜色通道] 的 3-D 张量）。如何让它们处理一批图像（即形状为 [batch, height, width, color-channel] 的 4-D 张量）？
非常感谢一个工作示例！
【问题讨论】：
标签： tensorflow
一种可能性是使用最近添加的tf.map_fn() 将单图像运算符应用于批次的每个元素。
result = tf.map_fn(lambda img: tf.image.random_flip_left_right(img), images)
这有效地构建了与 keveman suggests 构建相同的图，但通过使用 TensorFlow 对循环的支持，它可以更有效地处理更大的批量大小。
【讨论】：
您可以循环调用图像操作并将结果连接起来。例如：
transformed_images = []
for i in range(batch_size):
transformed_images.append(tf.image.random_flip_left_right(image[i, :, :, :]))
retsult = tf.stack(transformed_images)
【讨论】：
TLDR：您可以创建队列，为队列的单个元素定义读取和处理数据，而不是进行批处理 - 所有这些都使用 TF 方法。
我不确定它是如何工作的，但是如果您使用队列并创建批处理并使用 tensorflow 方法读取图像，您可以像使用单个图像一样使用批处理。
我还没有在大型数据集上测试它，也不知道它有多好（速度、内存消耗等）。可能现在最好自己创建批处理。
我在 cifar10 示例中看到了这一点。你可以在这里看到它https://github.com/tensorflow/tensorflow/tree/r0.10/tensorflow/models/image/cifar10
tf.train.string_input_producer 创建队列。 https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/models/image/cifar10/cifar10_input.py#L222 您可以使用不同类型的队列。例如，我尝试将tf.train.slice_input_producer 用于多个图像。你可以在这里阅读它Tensorflow read images with labels read_cifar10 中进行了描述。在distorted_inputs处理，这里是https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/models/image/cifar10/cifar10_input.py#L138
tf.train.batch 或tf.train.shuffle_batch，并从inputs() 和distorted_inputs() 函数返回。 images, labels = cifar10.distorted_inputs() 一样阅读它并做以下工作。在这里https://github.com/tensorflow/tensorflow/blob/r0.10/tensorflow/models/image/cifar10/cifar10_train.py#L66
【讨论】：
您可以使用 tf.reverse 在形状为 [batch, height, width, channel] 的 4-D 张量上模拟 tf.image.random_flip_left_right 和 tf.image.random_flip_up_down。
【讨论】：
random_number = tf.random_uniform([], minval=0, maxval=4, dtype=tf.int32)
random_batch_flip = tf.where(tf.less(tf.constant(2), random_number), tf.image.flip_left_right(batch), batch)
参考：http://www.guidetomlandai.com/tutorials/tensorflow/if_statement/
【讨论】：