Question

我有一个队列（称为queue_A）并在里面填充100个元素。如果我想做以下两件事：

从queue_A中取出1个元素，对其进行一些处理，并将结果排入另一个队列（queue_B）。排队操作称为op_B。
将此元素（在处理之前）排队回queue_A，此排队操作称为op_A。

为了达到1，我可以写：

anElement = queue_A.dequeue()
result = proc(anElement)
op_B = queue_B.enqueue(result)
queue_runner = tf.train.QueueRunner(queue_B,
                                    [op_B] * 4)

为了达到2，我可以写：

anElement = queue_A.dequeue()
op_A = queue_A.enqueue(anElement)
queue_runner = tf.train.QueueRunner(queue_A,
                                    [op_A] * 4)

但是，我不知道如何一次完成这两件事。现在，我使用以下代码：

anElement = queue_A.dequeue()
op_A = queue_A.enqueue(anElement)
result = proc(anElement)
op_B = queue_B.enqueue(result)
queue_runner = tf.train.QueueRunner(queue_B,
                                    [op_A, op_B] * 4)

我希望queue_A的大小是常量，但当我使用session.run(queue_A.size())进行检查时，大小会逐渐减小。这段代码出了什么问题？以及如何实现我想要的目标？

Answer 1

示例中的代码有两种类型的“队列运行器”：

运行op_A的一个：它将一个元素从queue_A出列，并将其重新排列回queue_B。
另一个运行op_B的内容：它将queue_A中的元素出列，通过proc()对其进行处理，然后将结果排入queue_B。

问题是，当op_A和op_B单独运行时（例如，在不同的队列运行程序中，或者在对sess.run()的不同调用中），它们将使不同queue_A的em>元素。通过运行op_B而出列的元素永远不会重新排队到queue_A，这就解释了为什么它的大小会逐渐减少。

要解决此问题，如Andrei suggests，您需要创建一个运行单个TensorFlow子图的操作，该子图同时执行op_A和op_B。以下示例应该有效：

anElement = queue_A.dequeue() op_A = queue_A.enqueue(anElement) result = proc(anElement) op_B = queue_B.enqueue(result) # Creates a single op that enqueues the original element back to queue_A and the # processed element to queue_B. op = tf.group(op_A, op_B) queue_runner = tf.train.QueueRunner(queue_B, [op] * 4)

Answer 2

很遗憾，我无法解释为什么您的代码无效，但看起来 op_A 并不执行，因为它不依赖于 queue_B ，我建议您使用控制流操作（例如tf.group）来实现您的需求。

op = tf.group(op_A, op_B)
queue_runner = tf.train.QueueRunner(queue_B,
                                    [op] * 4)

Tensorflow：出队然后入队

2 个答案: