添加新的队列运行器会导致程序过早退出

我有一个包含图像的目录和另一个包含标签文件的目录（对于每个图像）。我正在尝试使用队列和读取操作读取图像和标签。

image_file_queue = tf.train.string_input_producer(image_files, num_epochs=1, shuffle=False)

image_reader = tf.WholeFileReader()
image_contents = image_reader.read(image_file_queue)[1]

image = tf.image.decode_jpeg(image_contents, channels=3)
image = tf.image.resize_images(image, [image_size, image_size])

image_batch = tf.train.batch([image],
                             batch_size,
                             num_threads=4,
                             capacity=2 * batch_size,
                             allow_smaller_final_batch=True)

label_file_queue = tf.train.string_input_producer(label_files, num_epochs=1, shuffle=False)
label_reader = tf.WholeFileReader()
label_contents = tf.string_split([label_reader.read(label_file_queue)[1]], delimiter='\n').values

labels = tf.decode_csv(label_contents, [tf.constant([], dtype=tf.float32)] * 5, field_delim=' ')
label_queue = tf.FIFOQueue(2 * batch_size, [tf.float32])

enqueue_op = label_queue.enqueue([labels])

label_queue_runner = tf.train.QueueRunner(label_queue, enqueue_ops=[enqueue_op] * 2)
tf.train.add_queue_runner(label_queue_runner)

coord = tf.train.Coordinator()
sess.run(tf.group(tf.local_variables_initializer(), tf.global_variables_initializer()))

threads = tf.train.start_queue_runners(sess=sess, coord=coord)

然而这行不通。在此之后立即coord.should_stop()返回True。评论tf.train.add_queue_runner(...)确实有效，也就是说，image_batch是经过计算的，我可以通过 CNN 运行它。如果我不评论它，它image_batch似乎比它应该的要小（batch_size是 128，但image_batch.eval().shape可以小到 8）。我认为这可能是由于线程不足造成的，但是增加两者inter_op_parallelism_threads并intra_op_parallelism_threads不能解决这个问题。