参考：怎么理解tensorflow中tf.train.shuffle_batch()函数？
TensorFlow学习－－tf.train.batch与tf.train.shuffle_batch
（1）背景：
（2）用法
tf.train.shuffle_batch() 将队列中数据打乱后再读取出来．
函数是先将队列中数据打乱，然后再从队列里读取出来，因此队列中剩下的数据也是乱序的．
tensors：排列的张量或词典．
batch_size：从队列中提取新的批量大小．
capacity：队列中元素的最大数量．
min_after_dequeue：出队后队列中元素的最小数量，用于确保元素的混合级别．
num_threads：线程数量．
seed：队列内随机乱序的种子值．
enqueue_many：tensors中的张量是否都是一个例子．
shapes：每个示例的形状．(可选项）
allow_smaller_final_batch：为True时，若队列中没有足够的项目，则允许最终批次更小．(可选项）
shared_name：如果设置，则队列将在多个会话中以给定名称共享．(可选项）
name：操作的名称．(可选项）
（2）功能：
Creates batches by randomly shuffling tensors，但需要注意的是它是一种图运算，要跑在sess.run()里。具体地，
This function adds the following to the current Graph:
在运行这个函数时它会在当前图上创建如下的东西：
A shuffling queue into which tensors from tensors are enqueued.
一个乱序的队列，进队的正是传入的tensors
A dequeue_many operation to create batches from the queue.
一个dequeue_many的操作从队列中推出成batch的tensor
A QueueRunner to QUEUE_RUNNER collection, to enqueue the tensors from tensors.
一个QueueRunner的线程，正是这个线程将传入的数据推进队列中．
把数据放在队列里有很多好处，可以完成训练数据和测试数据的解耦，同时有利于写成分布式训练（个人理解），但需要注意的是在取数据的时候，容易造成堵塞的情况．
这时候，应该需要截获超时异常来强制停止线程．
