TensorFlow关于队列的简单使用及其理解

最新推荐文章于 2018-10-29 11:08:13 发布

原创最新推荐文章于 2018-10-29 11:08:13 发布 · 564 阅读

0 ·

CC 4.0 BY-SA版权

tensorflow 专栏收录该内容

4 篇文章

订阅专栏

本文通过一个具体的TensorFlow程序示例介绍了如何利用队列机制（QueueRunner）实现数据读取与模型训练的异步操作。该机制允许数据读取在独立线程中进行，从而避免阻塞主线程，提高整体训练效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

其他人的理解,很好，所以copy过来了。入队操作都在主线程中进行,Session中可以多个线程一起运行。在数据输入的应用场景中，入队操作从硬盘上读取,入队操作是从硬盘中读取输入，放到内存当中，速度较慢。使用QueueRunner可以创建一系列新的线程进行入队操作，让主线程继续使用数据。如果在训练神经网络的场景中，就是训练网络和读取数据是异步的，主线程在训练网络，另一个线程在将数据从硬盘读入内存。

#codeing=utf-8
import tensorflow as tf
p = tf.FIFOQueue(3, tf.float32)
init = p.enqueue_many(([0.,0.,0.],)) #初始化值队列
x = p.dequeue() #出队列
y = x+1
p_init = p.enqueue(y) #进队列
with tf.Session() as sess:
    sess.run(init)
    for i in range(9):
        _, result =sess.run([p_init, x])
        print(result)

结果：