我有一个用于训练CNN的数据生成器并且工作正常。现在，我想通过cifar10_multi_gpu_train.py加速2 GPU（1台）的培训。 （https://www.tensorflow.org/programmers_guide/threading_and_queues）
问题：
1）如何将数据生成器转换为队列？数据项:(图像文件目录，输出）。整个数据集：数据项列表。批量数据集：部分整个数据集。如何将它放入如下的张量中：
batch_queue = tf.contrib.slim.prefetch_queue.prefetch_queue(
[images, labels], capacity=2 * FLAGS.num_gpus)
2）队列的内容是什么？
1.a）队列采用整个数据集还是单批量数据集？
1.b）在我看来，在cifar10样本中，队列是1批。但是，它如何在所有数据集中循环？
1.c）如果队列占用整个数据集，那么gpu的每个线程中的数据是什么？在这种情况下，我不确定我是如何理解并发GPU训练的，因为用于计算损失和梯度的每个数据集都取决于相同的模型状态。但是，只有在完成最后一次修改模型权重之后，才能进行下一次丢失+下一个数据集计算的梯度。