tf.train.shuffle_batch打乱顺序输出数据

tf.train.shuffle_batch

该函数怎么输出数据的？

tf.train.shuffle_batch主要有三个参数：batch_size,capacity,min_after_dequeue。这三个数据决定了怎么输出数据，数据有多乱。
首先我们知道tfrecord输出是按照队列输出的，那么我们一次从tfrecord加多少容量的队列呢？这个参数就是capacity。注意，此时首先加载一定量（capacity）的数据是按照tfrecord顺序的。在加载一定量capacity的数据后，才进行打乱，出队列需要的数据（也就是出队出batch size量的数据供我们的模型训练加载）。而min_after_dequeue代表了该capacity容量下的队列中元素的最小数量，用于确保元素的混合程度，也就是说，该队列在不断的输出数据后，其容量不能低于min_after_dequeue的数值，若低于就应该又从tfrecord中加载数据入队，那很显然的，若min_after_dequeue的值较大接近capacity的话，那么其实就是输出数据后，队列值不满足最小量，又从tfrecord加了新的数据，就增加了其混合程度。
如下代码所示，这也是为什么上述三者参数常常选择这一标准，当队列输出三个以上batch size量的数据后，即不满足了队列最小容量，才又加新数据。

capacity = min_after_dequeue+3*batch_size

但是，我在自己做图像数据集时候在这里也发现了个问题，我的图像是分组加载进去tfrecord的，而我的batch size较小，capacity，min_after_dequeue很大，所以尽管输出数据后就重新从tfrecord加载了新的数据，但是原始留在队列中的数据已经很多了，还是在继续打乱原始的数据，而没有获取新的数据。终于找到了个人数据集量小的原因。
PS:我在自己加载图片数据集时候，经实验结果推测入队是按照顺序的，若有错误请斧正。