要批量读取图片，您可以使用TensorFlow中的tf.data.Dataset API。以下是一个简单的示例代码，演示了如何批量读取图片：
import tensorflow as tf
# 创建一个包含图片文件路径的列表
file_paths = ["image1.jpg", "image2.jpg", "image3.jpg", ...]
# 创建一个Dataset对象，将文件路径列表转换为Dataset
dataset = tf.data.Dataset.from_tensor_slices(file_paths)
# 定义一个函数，用于读取和解码图片
def load_and_preprocess_image(file_path):
image = tf.io.read_file(file_path)
image = tf.image.decode_jpeg(image, channels=3)
image = tf.image.resize(image, [224, 224]) # 调整图片大小
image = tf.cast(image, tf.float32) / 255.0 # 将像素值归一化到[0, 1]
return image
# 使用map函数将load_and_preprocess_image函数应用到Dataset中的每个元素
dataset = dataset.map(load_and_preprocess_image)
# 设置batch大小，将数据集分批次读取
batch_size = 32
dataset = dataset.batch(batch_size)
# 创建一个迭代器，用于遍历数据集
iterator = iter(dataset)
# 读取一个batch的图片数据
images = next(iterator)
# 输出shape
print(images.shape)
在这个示例中，首先创建一个包含图片文件路径的列表file_paths，然后将这个列表转换为tf.data.Dataset对象。定义一个函数load_and_preprocess_image用于读取和处理图片数据。接着，使用map函数将load_and_preprocess_image函数应用到数据集中的每个元素，然后使用batch函数将数据集分批次读取。最后，创建一个迭代器并使用next函数读取一个batch的图片数据。
