初始化后如何将数据输入到神经网络？

Question

所以我一直在使用tensorflow为任务编写神经网络。我通常的馈送数据方法是将其加载到数组中，然后将整个数组按定义传递给输入占位符。这很好。但是，如果输入数据很大，则要对图像进行一个接一个的迭代，然后将它们附加到数组中，然后再将其馈入占位符，这是一个耗时的过程。有什么方法可以直接馈入数据，而不必读取数组中的整个目录以加快数据初始化过程？

我当前方法的一个示例为：

train_list = []
# import required libraries, I use glob to read images. 
for img in glob(directory):
    train_list.append(img)
train_list = np.asarray(train_list)
X = tf.placeholder(tf.float32, shape=(None,32,32,3), name="input")
# then feed the array to X during the initialization.