Tensorflow string_input_producer卡在隊列中

Question

通過遵循mnist示例，我能夠構建自定義網絡並使用示例的inputs函數加載我的數據集（以前編碼爲TFRecord）。只要回顧一下吧，inputs函數看起來像：

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 

然後，在培訓期間，我宣佈了培訓操作和運行的一切，一切進展順利。現在，我試圖使用相同的功能來訓練不同的網絡上的相同的數據，唯一（主要）的區別是，而不是隻調用slim.learning.train函數在某些train_operator，我手動進行培訓（通過手動評估損失和更新參數）。架構更復雜，我不得不這樣做。

當我嘗試使用由inputs函數生成的數據時，程序卡住了，設置隊列超時確實表明它卡在生產者隊列中。 這導致我相信我可能錯過了關於tensorflow中生產者的使用，我已經閱讀了教程，但我無法弄清楚這個問題。是否有一些初始化，調用slim.learning.train確實需要手動複製，如果我手動進行訓練？爲什麼不是生產商生產？

例如，做這樣的事情：

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

打印

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

這是正確的（象徵性的？）張量，但如果我再嘗試用imgs.eval()獲取的實際數據是卡住無限期。

Answer 1

您需要啓動隊列運行程序，否則隊列將爲空，並且從它們讀取將掛起。請參閱the documentation on queue runners。