Question

我的目标是在本地运行Tensorflow培训应用程序时使用存储在Google云端存储上的培训数据（格式：tfrecords）。（为什么在本地？：我在测试之前将其转换为Cloud ML的培训包）

基于this thread我不应该做任何事情，因为基础Tensorflow API应该能够读取gs：//（url）

然而事实并非如此，我看到的错误是格式：

2017-06-06 15：38：55.589068：我   tensorflow / core / platform / cloud / retrying_utils.cc：77]操作   失败，将在1.38118秒内自动重试（尝试1   out of 10），由以下原因引起：Unavailable：执行HTTP请求时出错   （HTTP响应代码0，错误代码6，错误消息＆＃39;无法解决   主持人＆＃39;元数据＆＃39;＆＃39;）

2017-06-06 15：38：56.976396：我   tensorflow / core / platform / cloud / retrying_utils.cc：77]操作   失败，将在1.94469秒自动重试（尝试2   out of 10），由以下原因引起：Unavailable：执行HTTP请求时出错   （HTTP响应代码0，错误代码6，错误消息＆＃39;无法解决   主持人＆＃39;元数据＆＃39;＆＃39;）

2017-06-06 15：38：58.925964：我   tensorflow / core / platform / cloud / retrying_utils.cc：77]操作   失败，将在2.76491秒自动重试（尝试3   out of 10），由以下原因引起：Unavailable：执行HTTP请求时出错   （HTTP响应代码0，错误代码6，错误消息＆＃39;无法解决   主持人＆＃39;元数据＆＃39;＆＃39;）

我无法跟踪我必须开始调试此错误的位置。

以下是一个代码片段，可以重现该问题并显示我正在使用的张量流API。

def _preprocess_features(features):
        """Function that returns preprocessed images"""

def _parse_single_example_from_tfrecord(value):
    features = (
        tf.parse_single_example(value,
                                features={'image_raw': tf.FixedLenFeature([], tf.string),
                                          'label': tf.FixedLenFeature([model_config.LABEL_SIZE], tf.int64)
                                          })
        )
    return features

def _read_and_decode_tfrecords(filename_queue):
    reader = tf.TFRecordReader()
    # Point it at the filename_queue
    _, value = reader.read(filename_queue)
    features = _parse_single_example_from_tfrecord(value)
    # decode the binary string image data
    image, label = _preprocess_features(features)
    return image, label

def test_tfread(filelist):
  train_filename_queue = (
    tf.train.string_input_producer(filelist,
                                   num_epochs=None,
                                   shuffle=True))
  image, label = (
    _read_and_decode_tfrecords(train_filename_queue))
  return image

images= test_tfread(["gs://test-bucket/t.tfrecords"])
sess = tf.Session(config=tf.ConfigProto(
                allow_soft_placement=True,
                log_device_placement=True))
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
try:
  for step in range(model_config.MAX_STEPS):
      _ = sess.run([images])
finally:
  # When done, ask the threads to stop.
  coord.request_stop()
# Finally, wait for them to join (i.e. cleanly shut down)
coord.join(threads)

Answer 1

尝试执行以下命令

ASP.NET MVC 5

使用存储在Google Cloud上的培训TFRecords

1 个答案: