从文件读取数据
函数tf.train.string_input_producer文件名队列，选择一个匹配输入文件的reader，reader从filename queue中选择文件读取，每次输出一个key, value对。再由一个合适的decoder解析value，这样可以把value中的各个字段解析出来。通过解析出来的字段，组成tensor作为输入数据，送到graph中去train或predict。
疑问：这里为啥要把filename做成一个队列呢？reader每次read一个文件一行，下次是从第二行开始么？
整个读文件的过程分为建文件队列、建立reader、建立decoder、形成tensor，把文件读取的过程分的特别细致。除了 tf.TextLineReader还有支持二进制和TF Record的reader。
得到数据以后，可以在开始train之前，进行必要的数据预处理，正则化，或者加噪音等等。
数据打包（batch）
reader读出来的数据，再放到一个队列中，凑够一批再传给graph计算，这样会高效很多。不明白为啥要把流程搞得这么复杂，仅仅是读数据，却要两个队列，N个线程，N2 个函数来配合。而且结束的时候，也需要通过exception的方式来判断，并且要等所有线程都停止了，才能结束。感觉好麻烦啊。
似乎想明白一点，其实就是说整个train的过程，并不关心数据从哪里来，怎么来的，他只是调用一个input_fn()，然后就得到一批数据，就可以进行计算了。这些数据实际上是多个线程放入到一个数据队列中的，这些线程其实也不关心这些数据怎么用，谁会用，他们只是按照一定规则把数据入队，就算完成任务了。