Tensorflow重新启动队列运行程序:不同的列车和测试队列

Question

我想使用"完全连接"模型来进行训练和测试.我有一个train.tfrecords文件和一个test.tfrecords文件.我相信这样做的正确方法是为培训和测试创建一个单独的图表.

根本问题是使用OutOfRange错误和coord.should_stop()打破了我尝试过的任何类型的封装.

#main.py: I would like main to look clean like this:#
session=tf.Session()
model.init(session, train.tfrecords, test.tfrecords)
model.fit() 
model.eval() 
session.close()

只要你只调用一次或者eval(你可以想象),那就完全没问题了.我大致都在关注这个实现

#model.py
from graph.py import MyGraph

with tf.variable_scope(scope,reuse=False):
    train_graph=MyGraph(train_queue.batch)
with tf.variable_scope(scope,reuse=True):
    test_graph=MyGraph(test_queue.batch)

def fit(self):
    coord=tf.train.Coordinator()
    threads=tf.train.start_queue_runners(coord,self.session)
    try:
        while not coord.should_stop()
            self.session.run(self.train_graph....)
        etc
    except e:
        coord.request_should_stop()
    finally:
        coord.join()

def eval_on_test_set(self):#similar to fit
    coord=tf.train.Coordinator()
    threads=tf.train.start_queue_runners(coord,self.session)
    try:
        while not coord.should_stop()
            self.session.run(test_graph....)
    except e:
        coord.request_should_stop()
    finally:
        coord.join()

显然,正在发生的是coord是(1)关闭线程,而线程又(2)关闭队列,以后不能轻易重新打开.我只是不知道这方面的方式.coord.clear_stop()可能是这个难题的一部分,但我无法使其发挥作用.

其次,我有一个训练和测试队列,但它们不是同时使用.理想情况下,该解决方案不涉及等待一半时间的专用测试/训练线程.

Answer 1

看起来协调器与当前线程上下文有一些联系。在同一线程上下文中，尽管您有不同的图形、会话和协调器，但如果其中一个协调器终止，可能会导致其他协调器强制退出。我试图通过单独的线程进行训练和评估来避免这个问题。希望这可以帮助