Tensorflow：将JPEG的大型数据集馈入冻结的推理图

Question

我在张量流中有一个冻结的图，该图被设置为以（batchsize，224,224，3）作为输入。因此没有输入功能。我想将其更改为从数据文件夹中拍摄50000张真实图像。如何在不超出内存限制的情况下将这些图像输入到元图中？ 我知道我可以将其作为输入函数提供，但这意味着更改冻结的图。有什么避免的建议吗？
是将输入转换为函数的唯一方法。我不想修改冻结的图。
这是我用来加载图形的代码：

dummy_input = np.random.random_sample((batch_size,224,224,3))
tf.reset_default_graph()
g = tf.Graph()
outlist=[]
with g.as_default():
    #processing the data
    inc=tf.constant(dummy_input, dtype=tf.float32)
    dataset=tf.data.Dataset.from_tensors(inc)
    dataset=dataset.repeat()
    iterator=dataset.make_one_shot_iterator()
    next_element=iterator.get_next()
    # loading the graph
    out = tf.import_graph_def(
      graph_def=gdef,
      input_map={input_layer:next_element}, # input layer name of the model is required fro this
      return_elements=[output_layer] # here is output layer name.
    )
    out = out[0].outputs[0]
    outlist.append(out)