TensorFlow：创建自己的数据集，用于训练不同大小的图像

Question

您好我继续学习深度学习，所以我尝试创建自己的数据集进行培训。 我有猫和狗的数据集（猫的1000张图像和10000张狗的图像）具有不同的大小（因为我没有找到相同大小的数据集）所以我需要调整它们的大小。 我的代码没有返回错误，但tensorflow没有填充我的批次，我真的不明白为什么。这是我在深度学习中的第一个脚本，所以找到错误的内容很复杂。

我看到了这个帖子：TensorFlow: training on my own image

官方网站的文件

代码：

import tensorflow as tf #tensor flow
import numpy as np
import glob, os


from pprint import pprint


filenames = list()

os.chdir(".")
for file in glob.glob("*.jpg"):
    filenames.append( file)





# filenames = ['im_01.jpg', 'im_02.jpg', 'im_03.jpg', 'im_04.jpg']


filename_queue = tf.train.string_input_producer(filenames)


reader = tf.WholeFileReader()
filename, content = reader.read(filename_queue)
image = tf.image.decode_jpeg(filename, channels=3)
image = tf.cast(image, tf.float32)
resized_image = tf.image.resize_images(image, [224, 224])


image_batch = tf.train.batch([resized_image], batch_size=10000)

print (image_batch)

如果我更改批量大小，它不会改变输出。 我真的不知道为什么它不起作用

打印返回

 Tensor("batch:0", shape=(10000, 224, 224, 3), dtype=float32)

我该怎么办？ 谢谢 托马斯