Question

所以我的代码是：

with tf.Session() as sess:    
    init.run()
    epoch = 1
    iteration = 1
    print("Checkpoint 1")
    X_batch, y_batch = tf.train.batch([X_train, y_train], batch_size=batch_size)
    print("Checkpoint 2")
    X = X_batch.eval()
    y = X_batch.eval()
    print("Checkpoint 3")

问题在于，当执行最后2行时执行卡住，没有给出任何输出（仅打印检查点1和2）。我在谷歌搜索过，从tensorflow.python.framework.ops.Tensor到numpy.ndarray的转换似乎是一项微不足道的操作。

我还尝试了以下内容，以防它产生一些影响：

X = X_batch.eval(session = sess)
y = X_batch.eval(session = sess)

编辑：我尝试使用互动会话，问题仍然存在

`sess = tf.InteractiveSession()
 X_batch, y_batch = tf.train.batch([X_train, y_train], batch_size=batch_size)
type(X_batch)
type(y_batch)
print(type(X_batch.eval()))
sess.close()`

Answer 1

您需要启动隐藏在queue中的tf.train.batch转轮，例如使用tf.train.Coordinator（例如this或this来获取更多见解）。根据方法的文档字符串（我的亮点）：

此功能使用队列实施。一个QueueRunner 队列已添加到当前Graph的{{1}}集合中。

和

返回的操作是 dequeue操作并将抛出 QUEUE_RUNNER如果输入队列已用尽。如果这操作正在输入另一个输入队列，其队列运行器将捕获但是，如果在主线程中使用此操作，则会出现此异常你有责任亲自抓住这个。

由于你没有启动队列运行程序，线程会卡住，等待运行enqueue操作。

tf.errors.OutOfRangeError

评估TensorFlow张量时执行停滞不前

1 个答案: