我有一个图像目录,以及一个单独的文件匹配图像文件名到标签.所以图像目录中有'train/001.jpg'等文件,标签文件如下:
train/001.jpg 1
train/002.jpg 2
...
通过从文件名创建文件队列,我可以轻松地从Tensor Flow中的图像目录加载图像:
filequeue = tf.train.string_input_producer(filenames)
reader = tf.WholeFileReader()
img = reader.read(filequeue)
但我对如何将这些文件与标签文件中的标签结合起来感到茫然.看来我需要在每一步都访问队列中的文件名.有办法获得它们吗？此外,一旦我有文件名,我需要能够查找由文件名键入的标签.似乎标准的Python字典不起作用,因为这些计算需要在图中的每一步发生.
我正在尝试使用一个gpu上的训练代码和另一个上的eval代码运行CIFAR10教程.我知道我的计算机上有两个gpus,我可以通过运行这里的简单示例来测试它:https://www.tensorflow.org/how_tos/using_gpu/index.html
但是,使用a with device('/gpu:0')对CIFAR示例中的大多数变量都不起作用.我在gpu与cpu上尝试了很多不同变量的组合,或者在一个或另一个上尝试了所有变量.某些变量总是出现相同的错误,如下所示:
Cannot assign a device to node 'shuffle_batch/random_shuffle_queue': Could not satisfy explicit device specification '/gpu:0'
这可能是Tensor Flow中的错误还是我错过了什么？
我正在使用 tf.train.shuffle_batch() 来创建批量输入图像。它包含一个 min_after_dequeue 参数，用于确保内部队列中有指定数量的元素，如果没有则阻塞其他所有元素。
images, label_batch = tf.train.shuffle_batch(
[image, label],
batch_size=FLAGS.batch_size,
num_threads=num_preprocess_threads,
capacity=FLAGS.min_queue_size + 3 * FLAGS.batch_size,
min_after_dequeue=FLAGS.min_queue_size)
在一个时代结束时，当我进行评估时（我确定这在训练中也是如此，但我还没有测试过），一切都会被阻止。我发现在同一时刻，内部 shuffle 批处理队列将剩下少于 min_after_dequeue 元素。此时在程序中，我理想情况下只想将剩余元素出列，但我不确定如何。
显然，当您知道没有更多元素要使用 .close() 方法排队时，可以关闭 TF 队列中的这种类型的阻塞。但是，由于底层队列隐藏在函数内部，我该如何调用该方法？