所以直到最近，我才给我的模型提供一个FIFOQueue，它使用py_func变量排队。这种奇怪选择的原因是我动态生成训练数据，除了调用python函数生成这些数据之外别无选择。
这一切都很顺利，但我发现自己受到数据生成速度的限制。我已经优化了数据生成算法，所以我现在想要启动几个排队线程。
问题是：我获得了非常奇怪和随机的错误。有时候它可能是一个SegmentationFault，有时它可以工作，直到没有任何东西被排队（我怀疑死锁）......
以下是我的工作内容：
def generate_example():
...
example = tf.py_func(generate_example, inp=[], Tout=...)
enqueue_op = queue.enqueue(example)
qr = tf.train.QueueRunner(queue, [enqueue_op] * 4)
tf.train.add_queue_runner(qr)
请注意，我尝试过对此代码的疯狂变体（定义了几个不同的example变量，导致不同的enqueue_ops ...，定义了不同的generate_example函数... ）。
根据我的理解，由于Python不能很好地处理多线程，所以这不太可行。但是，也许你们知道了解决方法吗？
谢谢！