so

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

with tf.Session(config=tf.ConfigProto( allow_soft_placement=True, log_device_placement=True)) as sess:allow_soft_placement允许动态分配GPU内存，log_device_placement打印出设备信息...

import tensorflow as tf import input_data import numpy as np import cv2 # def _int64_feature(value): # return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) # def _bytes_feature(va...

#coding=utf-8 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt def get_bact(num, x_train, y_train): #打乱顺序，抽取batch examples_num = np.arange(len(x_train)) np.random.sh...