多次评估时张量值的变化

Question

我正在尝试对批量大小为4的小批量图像进行数据扩充。（仅用于测试目的）

sess = tf.Session()
#Create dataset
dataset = get_dataset()
#Set seed placeholder
seedin = tf.placeholder(tf.int64,shape=())
#Get iterator
iterator = create_next_batch_iterator(dataset,seedin)
#Initialize the Iterator
sess.run(iterator.initializer,feed_dict={seedin:6})
#Get next batch
next_batch = get_next_batch(iterator)
print next_batch
print 'without augmentation:',next_batch['labels'].eval(session=sess)

我得到的输出是

{'images': <tf.Tensor 'IteratorGetNext:0' shape=(4, 96, 96, 3) dtype=uint8>, 
'labels': <tf.Tensor 'IteratorGetNext:1' shape=(4,) dtype=uint8>}
without augmentation: [6 1 7 6]

但如果我用下一行代码替换最后一行

next_batch = augment_data(get_next_batch(iterator),sess)
print next_batch

问题从这里开始......

augment_data功能的代码

def augment_data(batch,sess,naug=5):
    labels_tensor = batch['labels'].eval(session=sess)
    print labels_tensor
    labels_array = np.array(batch['labels'].eval(session=sess))
    print labels_array

我为labels_tensor和labels_array

获得了两个不同的值

[6 1 7 6]
[9 3 8 4]

这些值与执行

时获得的值相同

next_batch = get_next_batch(iterator)
print next_batch

连续两次。

看来，每当我试图从batch获取张量时，get_next_batch()函数就会被执行，这就是我得到一组新值的原因。

为什么？ 我该如何解决这个问题？