python - 如何检查 tf.estimator.inputs.numpy_input_fn 的内容？

Question

我想在一组数据上重复训练我的 tensorflow 图，我想 tf.estimator.inputs.numpy_input_fn可能就是我正在寻找的。我发现批量大小、重复、纪元和迭代器之间的区别非常令人困惑，因此我开始尝试检查数据集的内容，试图找出实际发生的情况。然而，每当我尝试这样做时，我的程序就会挂起。

这是我想出的重现此问题的最小测试用例:

import tensorflow as tf
import numpy

class TestMock(tf.test.TestCase):
    def test(self):
        inputs = numpy.array(range(10))
        targets = numpy.array(range(10,20))

        input_fn = tf.estimator.inputs.numpy_input_fn(
            x=inputs,
            y=targets,
            batch_size=1,
            num_epochs=2,
            shuffle=False)

        print input_fn()
        with self.test_session() as sess:
            # sess.run(input_fn()[0]) # it'll hang if I run this
            pass

if __name__ == '__main__':
    tf.test.main()

该程序输出

(<tf.Tensor 'fifo_queue_DequeueUpTo:1' shape=(?,) dtype=int64>, <tf.Tensor 'fifo_queue_DequeueUpTo:2' shape=(?,) dtype=int64>)

这看起来很合理，但是当我尝试运行 sess.run 行时，我的程序就会卡住，我必须终止该进程。我在这里做错了什么？

我想要做的是确保我输入到流程中的数据实际上是我认为的那样，但我认为如果没有检查数据的能力我就无法做到这一点。

Answer 1

从上面的打印语句我们可以推断出input_fn返回queue ops，我们需要使用start_queue_runners and Coordinator来运行它们:

 features_op, labels_op = input_fn()
 with tf.Session() as sess:
     # initialise and start the queues.
     sess.run(tf.local_variables_initializer())

     coordinator = tf.train.Coordinator()
     _ = tf.train.start_queue_runners(coord=coordinator)

    print(sess.run([features_op, labels_op]))

    #[array([0]), array([10])]