tensorflow tf.train.batch之数据批量读取方式
作者：Webbley
今天小编就为大家分享一篇tensorflow tf.train.batch之数据批量读取方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
在进行大量数据训练神经网络的时候，可能需要批量读取数据。于是参考了这篇文章的代码，结果发现数据一直批量循环输出，不会在数据的末尾自动停止。
然后发现这篇博文说slice_input_producer()这个函数有一个形参num_epochs，通过设置它的值就可以控制全部数据循环输出几次。
于是我设置之后出现以下的报错：
tensorflow.python.framework.errors_impl.FailedPreconditionError: Attempting to use uninitialized value input_producer/input_producer/limit_epochs/epochs
[[Node: input_producer/input_producer/limit_epochs/CountUpTo = CountUpTo[T=DT_INT64, _class=["loc:@input_producer/input_producer/limit_epochs/epochs"], limit=2, _device="/job:localhost/replica:0/task:0/cpu:0"](input_producer/input_producer/limit_epochs/epochs)]]
找了好久，都不知道为什么会错，于是只好去看看slice_input_producer()函数的源码，结果在源码中发现作者说这个num_epochs如果不是空的话，就是一个局部变量，需要先调用global_variables_initializer()函数初始化。
于是我调用了之后，一切就正常了，特此记录下来，希望其他人遇到的时候能够及时找到原因。
哈哈，这是笔者第一次通过阅读源码解决了问题，心情还是有点小激动。啊啊，扯远了，上最终成功的代码：
import pandas as pd
import numpy as np
import tensorflow as tf
def generate_data():
num = 25
label = np.asarray(range(0, num))
images = np.random.random([num, 5])
print('label size :{}, image size {}'.format(label.shape, images.shape))
return images,label
def get_batch_data():
label, images = generate_data()
input_queue = tf.train.slice_input_producer([images, label], shuffle=False,num_epochs=2)
image_batch, label_batch = tf.train.batch(input_queue, batch_size=5, num_threads=1, capacity=64,allow_smaller_final_batch=False)
return image_batch,label_batch
images,label = get_batch_data()
sess = tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())#就是这一行
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess,coord)
try:
while not coord.should_stop():
i,l = sess.run([images,label])
print(i)
print(l)
except tf.errors.OutOfRangeError:
print('Done training')
finally:
coord.request_stop()
coord.join(threads)
sess.close()
以上这篇tensorflow tf.train.batch之数据批量读取方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。