Tensorflow：出队然后入队

我有一个队列（称为queue_A）并填充100个元素。如果我想执行以下两两件事：从queue_ATensorflow：出队然后入队

出列1个元件，做在其上的一些处理，并将结果排队到另一个队列（queue_B）。排队运行称为op_B。
将此元素（在处理之前）排入queue_A，此排队操作称为op_A。

为了实现1，我可以这样写：

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

为了实现2，我可以这样写：

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

不过，我不知道我该怎么做这两件事情立刻。现在，我使用下面的代码：

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)

我期待queue_A的大小是恒定的，但是当我使用session.run(queue_A.size())检查它的尺寸逐渐减小。该代码有什么问题？以及如何实现我想要的？

来源

2016-08-23 denru

的代码在你的例子有两种类型的“队列运行”的：

一个运行op_A：从queue_A从队列中的元素，并且入列回queue_B。
另一个运行op_B：它从queue_A中取出元素，通过proc()处理它，并将结果排入queue_B。

的问题是，当op_A和op_B单独运行（例如，在不同的队列跑步，或在不同的调用sess.run()），他们将出列从queue_A不同元件。通过运行op_B出列的元素将永不会重新排列为queue_A，这就解释了为什么它的大小逐渐减小。

要解决此问题，作为Andrei suggests，您需要创建一个运行单个TensorFlow子图的操作，该子图执行op_A和op_B。下面的例子应该工作：

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)

来源

2016-08-24 14:53:57 mrry

谢谢你们这么多。我有两个后续问题。 1.'op = tf.group（op_A，op_B）queue_runner = tf.train.QueueRunner（queue_B，[op] * 4）'和'queue_runner = tf.train.QueueRunner（queue_B，[op_A， op_B] * 4）'？ 2。因为op_A和op_B涉及两个不同的队列，我应该使用哪个队列作为QueueRunner的第一个参数？ queue_A或queue_B？谢谢！ – denru

在第一个片段（'[op] * 4'）中，'queue_runner'将创建四个线程，每个线程调用'sess.run（op）'，它将两个op运行在一起。在第二个片段（'[op_A，op_B] * 4'）中，'queue_runner'将创建八个调用'sess.run（op_A）'或'sess.run（op_B）'的线程，因此运行两个ops分别为'op_A'和'op_B'出队单独的元素。 – mrry

'QueueRunner（）'的'queue'参数并不特别重要，但它确实控制了如何执行干净关闭（例如，如果使用'tf.train.Coordinator'）。您可以传递任一队列作为参数，但是您还应该传递'close_op = tf.group（queue_A.close（），queue_B.close（））'，以便两个队列在关闭时关闭。 – mrry

不幸的是我无法解释为什么你的代码不能正常工作，但它看起来像op_A不执行，因为它不依赖于queue_B，我建议你使用控制流运算（例如tf.group）实现你想要的东西。

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

来源

2016-08-23 10:28:07

Tensorflow：出队然后入队

回答

相关问题