分布式TensorFlow：关于使用tf.train.Supervisor.start_queue_runners

Question

我正在查看distributed inception model in TF的代码，其中我在inception_distributed_train.py中对tf.train.Supervisor.start_queue_runners的使用提出了以下问题：

1. 为什么我们需要明确地调用sv.start_queue_runners() inception_distributed_train.py中的264和269行？在API doc. of start_queue_runners中，我发现没有必要这样做 电话原因是：

     

   请注意，图表键中收集的队列运行器密钥为QUEUE_RUNNERS   已创建会话时已自动启动   主管，所以除非你有非收集的队列运行器来启动   你不需要明确地调用它。

2. 我注意到queue_runners的值在调用中 行sv.start_queue_runners和行264不同 inception_distributed_train.py中的269。但事实并非如此 chief_queue_runners也在收藏中 tf.GraphKeys.QUEUE_RUNNERS（所有QUEUE_RUNNERS都是在263行中获得的）？如果 所以，由于269已经存在，因此不需要行chief_queue_runners 已在第264行开始。

3. 此外，您能否向我解释或向我展示一些关于在tf.train.Supervisor中创建队列的参考资料？

谢谢你的时间！

Answer 1

不是答案，但是一些一般说明如何找到答案：）

首先，使用github的责任，inception_distributed已于4月13日签入，而start_queue_runners中的评论于4月15日被添加，因此可能会更改功能但是在所有使用它的地方都没有更新。

你可以注释掉那一行，看看事情是否仍然有效。如果没有，您可以在创建队列运行器的位置添加import pdb; pdb.set_trace()（即here），并查看谁在创建这些额外的无人值守队列运行器。

此外，Supervisor开发似乎已经放缓，事情正在转移到FooSession（来自评论here）。那些提供了更强大的培训架构（由于临时网络错误，您的工作人员不会崩溃），但是关于如何使用它们的例子并不多。