因此，例如tf.image已经实现了一些基本的图像处理方法，我认为这些方法已经过优化。问题是当我在图像的大型数据集中迭代时，在每个图像上实现更复杂功能的推荐方法是什么/如何，当然，批量（例如，补丁2-D DCT）尽可能使用整个tf.data框架。
提前致谢。
附：当然我可以使用“地图”方法，但我要求超越。就好像我正在传递一个纯粹的numpy书面函数来传递给“map”一样，它也无济于事。
目前最好的方法（缺少用C ++ / CUDA编写自定义操作）可能是使用https://www.tensorflow.org/api_docs/python/tf/contrib/eager/py_func。这允许您编写任何TF急切代码并使用Python控制流语句。有了这个，你应该可以做你用numpy做的大部分事情。额外的好处是你可以使用你的GPU，你在tfe.py_func中生成的张量将立即用于你的常规TF代码 - 不需要复制。