python - Tensorflow string_input_ Producer 卡在队列中

Question

通过遵循 mnist 示例，我能够构建自定义网络并使用示例的 inputs 函数加载我的数据集(之前编码为 TFRecord) 。回顾一下，inputs 函数如下所示:

def inputs(train_dir, train, batch_size, num_epochs, one_hot_labels=False):

    if not num_epochs: num_epochs = None
    filename = os.path.join(train_dir,
                        TRAIN_FILE if train else VALIDATION_FILE)

    with tf.name_scope('input'):
        filename_queue = tf.train.string_input_producer(
            [filename], num_epochs=num_epochs)

        # Even when reading in multiple threads, share the filename
        # queue.
        image, label = read_and_decode(filename_queue)

        # Shuffle the examples and collect them into batch_size batches.
        # (Internally uses a RandomShuffleQueue.)
        # We run this in two threads to avoid being a bottleneck.
        images, sparse_labels = tf.train.shuffle_batch(
            [image, label], batch_size=batch_size, num_threads=2,
            capacity=1000 + 3 * batch_size,
            # Ensures a minimum amount of shuffling of examples.
            min_after_dequeue=1000)

    return images, sparse_labels

然后，在培训期间，我声明了培训运算符(operator)并运行了所有内容，一切都很顺利。

现在，我尝试使用相同的函数在相同的数据上训练不同的网络，唯一(主要)的区别是，而不是仅仅调用 slim.learning.train 函数在某些train_operator上，我手动进行训练(通过手动评估损失并更新参数)。架构更加复杂，我被迫这样做。

当我尝试使用inputs函数生成的数据时，程序卡住了，设置队列超时确实表明它卡在了生产者的队列上。 这让我相信我可能错过了有关 tensorflow 中生产者的使用的一些内容，我已经阅读了教程，但我无法弄清楚这个问题。是否有某种调用 slim.learning.train 所做的初始化，并且如果我手动进行训练，我需要手动复制？到底为什么制片人不生产？

例如，执行以下操作:

imgs, labels = inputs(...)
print imgs

打印

<tf.Tensor 'input/shuffle_batch:0' shape=(1, 128, 384, 6) dtype=float32>

这是正确的(符号？)张量，但如果我尝试使用 imgs.eval() 获取实际数据，它就会无限期地卡住。

Answer 1

您需要启动队列运行程序，否则队列将为空并且从中读取数据将挂起。请参阅the documentation on queue runners .