Question

我使用tf.train.shuffle_batch（）创建批量输入图像。它包含一个min_after_dequeue参数，用于确保内部队列中有指定数量的元素，如果没有，则阻止其他所有元素。

images, label_batch = tf.train.shuffle_batch(
  [image, label],
  batch_size=FLAGS.batch_size,
  num_threads=num_preprocess_threads,
  capacity=FLAGS.min_queue_size + 3 * FLAGS.batch_size,
  min_after_dequeue=FLAGS.min_queue_size)

在一个时代结束时，当我进行评估时（我确信这在培训中也是如此，但我还没有对其进行测试），一切都会阻止。我发现它同时内部的shuffle批处理队列将留下少于min_after_dequeue的元素。在程序的这个时候，我最好只是将剩下的元素出列，但我不确定如何。

显然，当您知道不再有使用.close（）方法排队的元素时，可以关闭TF队列中的这种类型的阻塞。但是，由于底层队列隐藏在函数内部，我该如何调用该方法？

Answer 1

如果队列中的元素数少于min_after_dequeue，运行RandomShuffleQueue.close()操作将阻止出列线程阻塞，这是正确的。

tf.train.shuffle_batch()函数创建一个tf.train.QueueRunner，在后台线程中对队列执行操作。如果您按照以下方式启动它，传递tf.train.Coordinator，您就可以干净地关闭队列（基于示例here）：

sess = tf.Session()
coord = tf.train.Coordinator()
tf.train.start_queue_runners(sess, coord=coord)

while not coord.should_stop():
  sess.run(train_op)
# When done, ask the threads to stop.
coord.request_stop()
# And wait for them to actually do it.
coord.join(threads)

Answer 2

有一个可选参数allow_smaller_final_batch

＆＃34; allow_smaller_final_batch :(可选）布尔值。如果为True，如果队列中剩余的项目不足，则允许最终批次更小。＆＃34;

Tensor Flow shuffle_batch（）在纪元结束时阻塞

2 个答案: