Tensorflow:批量培训在sess.run中永远卡住

Question

我正试着一批一批地训练我的模型，因为我找不到任何例子来说明如何正确地完成它。这是我所能做到的，我的任务是找到如何在Tensorflow中一批一批地训练一个模型。

queue=tf.FIFOQueue(capacity=50,dtypes=[tf.float32,tf.float32],shapes=[[10],[2]])
enqueue_op=queue.enqueue_many([X,Y])
dequeue_op=queue.dequeue()

qr=tf.train.QueueRunner(queue,[enqueue_op]*2)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    X_train_batch,y_train_batch=tf.train.batch(dequeue_op,batch_size=2)
    coord=tf.train.Coordinator()
    enqueue_threads=qr.create_threads(sess,coord,start=True)
    sess.run(tf.local_variables_initializer())
    for epoch in range(100):
        print("inside loop1")
        for iter in range(5):
            print("inside loop2")
            if coord.should_stop():
                break
            batch_x,batch_y=sess.run([X_train_batch,y_train_batch])
            print("after sess.run")
            print(batch_x.shape)
            _=sess.run(optimizer,feed_dict={x_place:batch_x,y_place:batch_y})
        coord.request_stop()
        coord.join(enqueue_threads)

输出，

inside loop1
inside loop2

正如您所看到的，当它运行batch_x,batch_y=sess.run([X_train_batch,y_train_batch])行时，它将永远停留在这个位置。我不知道如何解决这个问题，或者这是一批一批训练模型的正确方法吗？

Answer 1

经过几个小时的搜索，我自己找到了解决方案。所以，我现在回答我自己的问题。队列由后台线程填充，如果不调用此方法，则在调用tf.train.start_queue_runners()时创建这些线程，后台线程将不会启动，队列将保持空，培训操作将无限期地阻塞等待输入。

FIX:在训练循环之前调用tf.train.start_queue_runners(sess)。就像我在下面做的那样：

queue=tf.FIFOQueue(capacity=50,dtypes=[tf.float32,tf.float32],shapes=[[10],[2]])
enqueue_op=queue.enqueue_many([X,Y])
dequeue_op=queue.dequeue()

qr=tf.train.QueueRunner(queue,[enqueue_op]*2)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    X_train_batch,y_train_batch=tf.train.batch(dequeue_op,batch_size=2)
    coord=tf.train.Coordinator()
    enqueue_threads=qr.create_threads(sess,coord,start=True)
    tf.train.start_queue_runners(sess)
    for epoch in range(100):
        print("inside loop1")
        for iter in range(5):
            print("inside loop2")
            if coord.should_stop():
                break
            batch_x,batch_y=sess.run([X_train_batch,y_train_batch])
            print("after sess.run")
            print(batch_x.shape)
            _=sess.run(optimizer,feed_dict={x_place:batch_x,y_place:batch_y})
        coord.request_stop()
        coord.join(enqueue_threads)