Question

我有一小段代码从一些TFRecord文件中读取数据。如果我从ipython笔记本运行代码，它在第一次执行块时工作正常。但是，如果我尝试再次执行它而不重新启动内核，则相同的代码块会产生错误（错误：StatusNotOK：未找到：FetchOutputs节点DecodeRaw_2：0：未找到）。代码如下所示。我是否需要关闭/清除/重新初始化某些内容才能让代码多次正常运行？

filename_queue = tf.train.string_input_producer(filename_list)
init = tf.initialize_all_variables()
image = []
label = []
with tf.Session() as sess:
    sess.run(init)

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

    tf_image, tf_label = read_and_decode(filename_queue)
    for i in range(len(filename_list)):
        image.append(sess.run(tf_image))
        label.append(sess.run(tf_label))

    coord.request_stop()
    coord.join(threads)

请注意，read_and_decode（）取自here

Answer 1

问题中的代码存在一些问题。

第一个，as Yaroslav pointed out是所有操作都添加到同一个图表中。这意味着当您调用tf.train.start_queue_runners()（或运行tf.initialize_all_variables()操作符号）时，会话将执行的工作量与您运行此代码段的次数成正比。您可以在对此代码的调用之间调用tf.reset_default_graph()，但是一种更清晰的隔离方式可能是每次都声明一个单独的图：
```
with tf.Graph().as_default():  # Declares a new graph for the life of the block.
    filename_queue = tf.train.string_input_producer(filename_list)
    init = tf.initialize_all_variables()
    image = []
    label = []
    with tf.Session() as sess:
        # ...
        coord.join(threads)
```
第二个问题是对sess.run(tf_image)和sess.run(tf_label)的单独调用意味着图像和标签之间的关联丢失了。当您致电sess.run(tf_image)时，您会从阅读器中使用图片和标签，但会丢弃标签（反之亦然sess.run(tf_label)。正确的解决方法是将其同时提取同样的步骤：
```
image_val, label_val = sess.run([tf_image, tf_label])
image.append(image_val)
label.append(label_val)
```

最后一个问题 - 即使您重置图表也可能导致问题 - 是代码在调用tf.train.start_queue_runners()后将节点添加到图表中。 TensorFlow图上可能存在数据争用，因为read_and_decode()会向图中添加节点，而并行队列运行程序会同时读取它，而tf.Graph不是线程安全的。

处理此问题的最佳方法是在启动队列运行程序之前定义所有图形：

with tf.Graph().as_default():
    filename_queue = tf.train.string_input_producer(filename_list)
    image = []
    label = []
    tf_image, tf_label = read_and_decode(filename_queue)

    with tf.Session() as sess:
       coord = tf.train.Coordinator()
       threads = tf.train.start_queue_runners(sess=sess, coord=coord)

       for i in range(len(filename_list)):
           image_val, label_val = sess.run([tf_image, tf_label])
           image.append(image_val)
           label.append(label_val)

       coord.request_stop()
       coord.join(threads)

Answer 2

默认为tf。命令附加到具有新名称的默认图形。您可以在第二次运行代码段之前使用tf.reset_default_graph（）来清除默认图表。

首次运行后，读取Tensorflow记录文件不起作用

2 个答案: