tf.train.batch(
tensors,
batch_size,
num_threads=1,
capacity=32,
enqueue_many=False,
shapes=None,
dynamic_pad=False,
allow_smaller_final_batch=False,
shared_name=None,
name=None
)
在张量中创建多个张量。参数张量可以是张量的列表或字典。函数返回的值与张量的类型相同。这个函数是使用队列实现的。队列的QueueRunner被添加到当前图的QUEUE_RUNNER集合中。 如果enqueue_many为False，则假定张量表示单个示例。一个形状为[x, y, z]的输入张量将作为一个形状为[batch_size, x, y, z]的张量输出。如果enqueue_many为真，则假定张量表示一批实例，其中第一个维度由实例索引，并且张量的所有成员在第一个维度中的大小应该相同。如果一个输入张量是shape [*， x, y, z]，那么输出就是shape [batch_size, x, y, z]。容量参数控制允许预取多长时间来增长队列。返回的操作是一个dequeue操作，将抛出tf.errors。如果输入队列已耗尽，则OutOfRangeError。如果该操作正在提供另一个输入队列，则其队列运行器将捕获此异常，但是，如果在主线程中使用该操作，则由您自己负责捕获此异常。
注意: 如果dynamic_pad为False，则必须确保(i)传递了shapes参数，或者(ii)张量中的所有张量必须具有完全定义的形状。如果这两个条件都不成立，将会引发ValueError。如果dynamic_pad为真，则只要知道张量的秩就足够了，但是单个维度可能没有形状。在这种情况下，对于每个加入值为None的维度，其长度可以是可变的;在退出队列时，输出张量将填充到当前minibatch中张量的最大形状。对于数字，这个填充值为0。对于字符串，这个填充是空字符串。如果allow_smaller_final_batch为真，那么当队列关闭且没有足够的元素来填充该批处理时，将返回比batch_size更小的批处理值，否则将丢弃挂起的元素。此外，通过shape属性访问的所有输出张量的静态形状的第一个维度值为None，依赖于固定batch_size的操作将失败。
参数:
- tensors: 要排队的张量列表或字典。
- batch_size: 从队列中提取的新批大小。
- num_threads: 进入张量队列的线程数。如果num_threads >为1，则批处理将是不确定的。
- capacity: 一个整数。队列中元素的最大数量。
- enqueue_many: 张量中的每个张量是否是一个单独的例子。
- shape: (可选)每个示例的形状。默认为张量的推断形状。
- dynamic_pad: 布尔。允许在输入形状中使用可变尺寸。在脱队列时填充给定的维度，以便批处理中的张量具有相同的形状。
- allow_smaller_final_batch: (可选)布尔。如果为真，如果队列中没有足够的项，则允许最后的批处理更小。
- shared_name: (可选)。如果设置了，此队列将在多个会话中以给定的名称共享。
- name: (可选)操作的名称。
返回值:
- 与张量类型相同的张量列表或字典(除非输入是一个由一个元素组成的列表，否则它返回一个张量，而不是一个列表)。
异常值:
ValueError: If theshapesare not specified, and cannot be inferred from the elements oftensors.
Eager Compatibility
启用即时执行时，不支持基于队列的输入管道。请使用tf。数据API，用于在紧急执行下摄取数据。
原链接: https://tensorflow.google.cn/versions/r1.8/api_docs/python/tf/train/batch?hl=en