TensorFlow.NET 支持队列操作

原创

于 2019-09-23 14:51:27 发布 · 945 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#TensorFlow.NET

本文介绍了TensorFlow.NET中的队列操作，包括FIFOQueue、PaddingFIFOQueue、PriorityQueue和RandomShuffleQueue，这些队列支持异步计算和并行处理，尤其适合大数据集的训练。通过实例展示了如何创建和使用这些队列，强调了队列在模型训练中的重要性，并提及了解决队列为空时程序阻塞问题的方法。

ThensorFlow能够并行处理多个任务，而队列是一种强大的异步计算机制。如果我们拥有大型数据集，则可以大大加快模型的训练过程。当以小批量读取，预处理和提取我们的训练数据时，此功能特别方便。能够对我们的模型进行专业且高性能的训练的秘诀是使用TensorFlow提供的排队操作。 TensorFlow已经实现了4种类型的队列：FIFOQueue，PaddingFIFOQueue，PriorityQueue和RandomShuffleQueue。

在这里插入图片描述

就像TensorFlow中的所有操作一样，队列也是计算图中的一个节点。它是一个有状态的节点，就像变量一样：其他节点可以修改其内容，特别是节点可以将新元素加入到队列，或从队列中弹出现有元素。

为了开始学习队列操作，让我们先从一个简单的示例开始。我们将创建一个“先进先出”队列（FIFOQueue）并用数字填充。然后，我们将构建一个计算图，该图将一个元素从队列中移出，然后将一个元素添加到该项目中，最后将其放回队列的末尾。

[TestMethod]
public void FIFOQueue()
{
	// create a first in first out queue with capacity up to 2
	// and data type set as int32
	var queue = tf.FIFOQueue(2, tf.int32);
	// init queue, push 2 elements into queue.
	var init = queue.enqueue_many(new[] { 10, 20 });
	// pop out the first element
	v