Tensorflow：解决

Question

我跑了一些教程代码text classification

我可以运行这些脚本tf.estimator.inputs.numpy_input_fn功能和它的工作，但是当我试图通过线试图了解每一行运行步是干什么的，我有点困惑，在此步骤：

test_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={WORDS_FEATURE: x_test}, 
    y=y_test, 
    num_epochs=1, 
    shuffle=False) 
classifier.train(input_fn=train_input_fn, steps=100) 

我知道概念train_input_fn是喂养数据的训练功能，但我怎么可以手动调用这个FN检查什么在它？

我跟踪的代码，发现了train_input_fn功能将资料提供至以下两个变量：

features 
Out[15]: {'words': <tf.Tensor 'random_shuffle_queue_DequeueMany:1' shape=(560, 10) dtype=int64>} 

labels 
Out[16]: <tf.Tensor 'random_shuffle_queue_DequeueMany:2' shape=(560,) dtype=int32> 

当我试图做一个sess.run（功能）来评价的特征变量，我终端似乎卡住，停止响应。

什么是正确的方式来检查这些变量的内容？

谢谢！

Answer 1

基于numpy_input_fn documentation和行为（挂起），我想底层的实现取决于队列运行。队列运行程序未启动时发生挂起。尝试修改您的会话中运行的脚本类似于以下，基于this guide：

with tf.Session() as sess: 
    coord = tf.train.Coordinator() 
    threads = tf.train.start_queue_runners(coord=coord) 
    try: 
     for step in xrange(1000000): 
      if coord.should_stop(): 
       break 
      features_data = sess.run(features) 
      print(features_data) 

    except Exception, e: 
     # Report exceptions to the coordinator. 
     coord.request_stop(e) 
    finally: 
     # Terminate as usual. It is safe to call `coord.request_stop()` twice. 
     coord.request_stop() 
     coord.join(threads) 

或者，我会鼓励你检查出tf.data.Dataset接口（可能tf.contrib.data.Dataset在tensorflow 1.3或之前）。您可以使用Dataset.from_tensor_slices而不使用队列来获得类似的输入/标签张量。创建稍微有点牵扯，但接口更加灵活，实现不使用队列运行器，这意味着会话运行更加简单。

import tensorflow as tf 
import numpy as np 

x_data = np.random.random((100000, 2)) 
y_data = np.random.random((100000,)) 

batch_size = 2 
buff = 100 


def input_fn(): 
    # possible tf.contrib.data.Dataset.from... in tf 1.3 or earlier 
    dataset = tf.data.Dataset.from_tensor_slices((x_data, y_data)) 
    dataset = dataset.repeat().shuffle(buff).batch(batch_size) 
    x, y = dataset.make_one_shot_iterator().get_next() 
    return x, y 


x, y = input_fn() 
with tf.Session() as sess: 
    print(sess.run([x, y]))