我正在尝试为我的图像数据集实现功能：batch_x, batch_y = mnist.train.next_batch(128)。>>
为了进行培训，我有1000个文件夹（文件夹的名称与它属于“ Class1”，“ Class2”，“ Class3”等的类相同）。这些文件夹中的每一个包含500个属于一个类别的图像。
因此，总共我有500,000张图像需要训练。
对我来说，将它们分成几批（随机选择图像）并馈入我的推理模型的最佳方法是什么？
我没有使用Keras，而是使用Tensorflow 1.15。
我正在尝试为我的图像数据集实现以下功能：batch_x，batch_y = mnist.train.next_batch（128）。为了进行培训，我有1000个文件夹（文件夹的名称与其所在的类相同...
您可以使用tf.data建立管道。例如，类似以下内容，由tf.data guide提供：