Tensorflow调用tf.train.shuffle_batch函数报错“OutOfRangeError: RandomShuffleQueue”

1.报错内容：

OutOfRangeError (see above for traceback): RandomShuffleQueue '_1_shuffle_batch/random_shuffle_queue' is closed and has insufficient elements (requested 3, current size 0) [[Node: shuffle_batch = QueueDequeueManyV2[component_types=[DT_FLOAT, DT_FLOAT], timeout_ms=-1, _device="/job:localhost/replica:0/task:0/device:CPU:0"](shuffle_batch/random_shuffle_queue, shuffle_batch/n)]]

2.问题说明

首先，初始该类问题表明程序本身并没有实质性的语法错误，其次，该报错是由shuffle_batch函数生成的

3.错误排查

（1）若显示：“requested 3, current size 1”表明数据还未读入，可尝试调小batch_size（随机出队列的数据量）; 或者增大num_threads（线程数量）

（2）若显示：“requested 3, current size 1”则表示数据本身并没有读入，则可检查数据集是否有问题

比如：

①一个对象（行）应当有7个元素进行表示，却只有6个元素）

②按照指定格式读取数据，如[[1.0], [1.0], [1.0]]， 却读取了数据标题行的字符型标题，导致数据无法读入，解决的方法有两个：①tf.TextLineReader()等函数读取数据时直接跳过第一行；②在原始数据中删除第一行，即删除第一行标题行

4.示例代码

import tensorflow as tf
import numpy as np
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "2"


def readFile(filename):
    filename_queue = tf.train.string_input_producer(filename, shuffle=False)

    # 定义reader(逐行读取)
    reader = tf.TextLineReader(skip_header_lines=1)
    key, value = reader.read(filename_queue)

    # 读取数据时对应的匹配类型
    # [1.0]:float
    # [1]:int
    # ["null"]:string
    record_defaults = [[1.0], [1.0], [1.0], [1.0], [1.0], [1.0], [1.0]]
    # record_defaults = []
    # for i in range(7):
    #     record_defaults.append([1.0])
    col1, col2, col3, col4, col5, col6, col7 = tf.decode_csv(value, record_defaults=record_defaults)

    # tf.stack：按照给定方向堆叠
    label = tf.stack([col1, col2])
    features = tf.stack([col3, col4, col5, col6, col7])

    # 注意min_after_dequeue < capacity
    example_batch, label_batch = tf.train.shuffle_batch([features, label], batch_size=3, capacity=100, min_after_dequeue=10)
    return example_batch, label_batch


example_batch, label_batch = readFile(["cancer.txt"])

with tf.Session() as sess:
    
    # 数据读取必须要创建线程协调器
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)
    for i in range(5):
        e_val, l_val = sess.run([example_batch, label_batch])
        print(e_val)
    coord.request_stop()
    coord.join(threads)