本文共 678 字，大约阅读时间需要 2 分钟。

tensorflow mini batch 训练中线程和队列数据输入的问题

实际学习和使用tensorflow的时候，面临大数据量训练的场景，几乎很少使用Session.run中的feed_dict来批量导入数据。tensorflow利用多线程和队列方法异步实现大批量数据的输入，大大节省了数据输入引起的资源浪费。大致的流程如下：

1. 先创建一个“先入先出”的队列（FIFOQueue）
2. 创建enqueue方法和dequeue对象：
   enqueue_operation = queue.enqueue
   inputs = queue.dequeue
3. 利用inputs对象作为神经网络图的输入构建神经网络
4. 创建cord=tf.train.Coordinator()管理多线程同步
5. 启动队列工作tf.train.start_queue_runners(sess=sess, coord=cord)
6. 启动线程写入队列start_threads(sess=sess, coord=coord, n_threads=8)
7. session.run()，启动训练，这时候是不用通过feed_dict来喂数据的，最关键的理解是第3步，我曾经在运行代码的时候一直不理解，因为enqueue是可以很容易设置断点监控到了，但dequeue方法却没看到，所以痛苦了一段时间。最后单步跟，看到input的提示是这样一个tensor（Tensor(“fifo_queue_Dequeue:0”, dtype=float32, device=/device:GPU:0)），算是想通了这一点。

转载地址：http://cuyrf.baihongyu.com/