我有一个不寻常的学习任务：＆＃34;标签＆＃34;对于我的例子（即图像）实际上是特定图像之间的关系。例如，假设每个批次包含2*n张图片，其中(i, j)对标签为1，而(j, i)对标签为-1。假设从图像集中可能的大多数（即，浩大的多数）对缺少任何标签，并且因此随机采样将很少产生甚至单个关系来训练。因此，在此示例中，每个批处理包含一组2N图像，N对已知具有某种关系。
TensorFlow非常灵活，可以轻松设计可以计算适当损失函数的网络。但是，创建输入是有问题的。我不能很好地记住C ++以实现自定义输入操作，因此我必须以适当的方式将数据读入python并将其提供给TensorFlow（简单但缓慢）或将一些操作粘合在一起以获得它尽可能地工作。
实现这一点看起来非常笨拙，需要很多队列对象（为什么读者只接受TensorFlow中的队列？！）。假设我有一些序列化示例的文件集，每个都是{file1: <...>, file2: <...>, label: <...>}形式的列表，有一种简单的方法可以将它们作为形状张量2N * W * H * C提供给网络（带图像i）并且图像i + 1属于单个关系，其中i是(0, 2, 4, 6, ...)，即[relation_n_image_1, relation_n_image_2, relation_m_image_1, ...]）？我目前的创作，其中的各个组成部分只在理论上起作用，但它们使用了5种不同类型的队列对象，并且没有完美的随机播放。