Tensorflow字符串输入生成器卡在queu中

Question

通过遵循mnist示例，我能够构建一个自定义网络，并使用示例的inputs函数来加载我的数据集（以前编码为TFRecord）。简单回顾一下，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，我宣布培训操作员和运行一切，一切顺利。在

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，唯一的（主要的）不同之处在于，我没有在某些train_operator上调用slim.learning.train函数，而是手动进行训练（通过手动评估损失和更新参数）。建筑更复杂，我不得不这么做。在

当我试图使用inputs函数生成的数据时，程序会卡住，设置队列超时确实表明它卡在了生产者的队列上。 这让我相信我可能遗漏了关于tensorflow中producer的使用的一些内容，我已经阅读了教程，但是我无法解决这个问题。是否存在调用slim.learning.train所做的某种初始化，如果我手动进行训练，则需要手动复制？为什么生产商不生产？在

例如，执行以下操作：

^{pr2}$

印刷品

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

哪个是正确的（象征性的？）但是如果我试图用一个imgs.eval()得到实际的数据，它会被无限期地卡住。在

Answer 1

您需要启动队列运行器，否则队列将是空的，并且从它们读取的数据将挂起。见the documentation on queue runners。在