先放关键代码：
i = tf.train.range_input_producer(NUM_EXPOCHES, num_epochs=1, shuffle=False).dequeue() inputs = tf.slice(array, [i * BATCH_SIZE], [BATCH_SIZE])
原理解析：
第一行会产生一个队列，队列包含0到NUM_EXPOCHES-1的元素，如果num_epochs有指定，则每个元素只产生num_epochs次，否则循环产生。shuffle指定是否打乱顺序，这里shuffle=False表示队列的元素是按0到NUM_EXPOCHES-1的顺序存储。在Graph运行的时候，每个线程从队列取出元素，假设值为i，然后按照第二行代码切出array的一小段数据作为一个batch。例如NUM_EXPOCHES=3，如果num_epochs=2，则队列的内容是这样子；
0,1,2,0,1,2
队列只有6个元素，这样在训练的时候只能产生6个batch，迭代6次以后训练就结束。
如果num_epochs不指定，则队列内容是这样子：
0,1,2,0,1,2,0,1,2,0,1,2...
队列可以一直生成元素，训练的时候可以产生无限的batch，需要自己控制什么时候停止训练。
下面是完整的演示代码。
数据文件test.txt内容：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
main.py内容：
import tensorflow as tf
import codecs
BATCH_SIZE = 6
NUM_EXPOCHES = 5
def input_producer():
array = codecs.open("test.txt").readlines()
array = map(lambda line: line.strip(), array)
i = tf.train.range_input_producer(NUM_EXPOCHES, num_epochs=1, shuffle=False).dequeue()
inputs = tf.slice(array, [i * BATCH_SIZE], [BATCH_SIZE])
return inputs
class Inputs(object):
def __init__(self):
self.inputs = input_producer()
def main(*args, **kwargs):
inputs = Inputs()
init = tf.group(tf.initialize_all_variables(),
tf.initialize_local_variables())
sess = tf.Session()
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
sess.run(init)
try:
index = 0
while not coord.should_stop() and index<10:
datalines = sess.run(inputs.inputs)
index += 1
print("step: %d, batch data: %s" % (index, str(datalines)))
except tf.errors.OutOfRangeError:
print("Done traing:-------Epoch limit reached")
except KeyboardInterrupt:
print("keyboard interrput detected, stop training")
finally:
coord.request_stop()
coord.join(threads)
sess.close()
del sess
if __name__ == "__main__":
main()
输出：
step: 1, batch data: ['1' '2' '3' '4' '5' '6'] step: 2, batch data: ['7' '8' '9' '10' '11' '12'] step: 3, batch data: ['13' '14' '15' '16' '17' '18'] step: 4, batch data: ['19' '20' '21' '22' '23' '24'] step: 5, batch data: ['25' '26' '27' '28' '29' '30'] Done traing:-------Epoch limit reached
如果range_input_producer去掉参数num_epochs=1，则输出：
step: 1, batch data: ['1' '2' '3' '4' '5' '6'] step: 2, batch data: ['7' '8' '9' '10' '11' '12'] step: 3, batch data: ['13' '14' '15' '16' '17' '18'] step: 4, batch data: ['19' '20' '21' '22' '23' '24'] step: 5, batch data: ['25' '26' '27' '28' '29' '30'] step: 6, batch data: ['1' '2' '3' '4' '5' '6'] step: 7, batch data: ['7' '8' '9' '10' '11' '12'] step: 8, batch data: ['13' '14' '15' '16' '17' '18'] step: 9, batch data: ['19' '20' '21' '22' '23' '24'] step: 10, batch data: ['25' '26' '27' '28' '29' '30']
有一点需要注意，文件总共有35条数据，BATCH_SIZE = 6表示每个batch包含6条数据，NUM_EXPOCHES = 5表示产生5个batch，如果NUM_EXPOCHES =6，则总共需要36条数据，就会报如下错误：
InvalidArgumentError (see above for traceback): Expected size[0] in [0, 5], but got 6 [[Node: Slice = Slice[Index=DT_INT32, T=DT_STRING, _device="/job:localhost/replica:0/task:0/cpu:0"](Slice/input, Slice/begin/_5, Slice/size)]]
错误信息的意思是35/BATCH_SIZE=5，即NUM_EXPOCHES 的取值能只能在0到5之间。
以上这篇tensorflow使用range_input_producer多线程读取数据实例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。
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
这一波大模型产业落地浪潮里，不少企业其实处在 “干瞪眼“的状态。
一种情况是，很多大模型产品看得见却摸不着，在台上一个个遥遥领先——今天Sora技精四座，明天英伟达的机器人又赢得满堂彩，可是到了台下一问：啥时候能用上啊？答曰：遥遥无期。
另一种情况是，企业想用上大模型，却又难免瞻前顾后——既要考虑场景融合，又得兼顾安全性，还要考虑打通现有系统，再加上各种部署成本和繁琐的采购流程……最后只能拂袖：罢了，再等等吧。
稳了！魔兽国服回归的3条重磅消息！官宣时间再确认！
昨天有一位朋友在大神群里分享，自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址，com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后，确实是网易的网址，也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情，因为以前都没有出现这样的情况，现在突然提示跳转到国服战网的网址，是不是说明了简体中文客户端已经开始进行更新了呢？