在tensorflow'中是否限制了num_时代；s csv文件读取器字符串\输入\生产者（）？

我有一个虚拟csv文件（

y=-x+1

）

我尝试将其输入一个线性回归模型。因为我只有很少的例子，所以我想在这个文件上迭代1000次训练，所以我设置

num_epochs=1000

然而，Tensorflow似乎限制了这个数字。如果我使用num_epochs=5或10，它可以正常工作，但是超过33，它将被限制为33个epochs。那是真的还是我做错了什么

# model = W*x+b
... 
optimizer = tf.train.GradientDescentOptimizer(0.01)
train = optimizer.minimize(loss)

# reading input from csv
filename_queue = tf.train.string_input_producer(["/tmp/testinput.csv"], num_epochs=1000)
reader = tf.TextLineReader(skip_header_lines=1)
...
col_x, col_label = tf.decode_csv(csv_row, record_defaults=record_defaults)

with tf.Session() as sess:
  sess.run(tf.local_variables_initializer())
  sess.run(tf.global_variables_initializer())
  coord = tf.train.Coordinator()
  threads = tf.train.start_queue_runners(coord=coord)
  while True:
    try:
      input_x, input_y = sess.run([col_x, col_label])
      sess.run(train, feed_dict={x:input_x, y:input_y})
...

附带问题，我需要做什么：

input_x, input_y = sess.run([col_x, col_label])
sess.run(train, feed_dict={x:input_x, y:input_y})

---

我已经尝试过直接运行（train，feed_dict={x:col_x，y:col_y}）来避免摩擦，但它不起作用（它们是节点，feed_dict需要常规数据）

以下代码段工作得很好（与您的输入一起）：

这将提供以下输出：

edb@lapelidb:/tmp$ python csv.py
3000

---

以下代码段（与您的输入配合使用）非常有效：

这将提供以下输出：

edb@lapelidb:/tmp$ python csv.py
3000

---

对我来说，它不适用于更大的num_epoch值（例如100.000）或更长的csv文件（例如相同的行重复了1000次），我只是用100.000个epoch甚至1.000.000个epoch重复了上面的代码测试，两者都给出了相同的结果。。。也许在CPU速度快和IO速度慢之间会出现一些竞争情况？谢谢你自己尝试，给了我继续的动力（挣扎了几个小时）。因此，罪魁祸首是：

try:except tf.errors.OutOfRangeError:finally:coord.request_stop（）

（最终…破坏了它）和

coord.join（线程）

。我在互联网上的很多地方看到，我没有考虑删除它们，但没有（或更好地：用错误的顺序把它们装帧）就更好了。谢谢对我来说，它不适用于更大的num_epoch值（例如100.000）或更长的csv文件（例如相同的行重复了1000次），我只是用100.000个epoch甚至1.000.000个epoch重复了上面的代码测试，两者都给出了相同的结果。。。也许在CPU速度快和IO速度慢之间会出现一些竞争情况？谢谢你自己尝试，给了我继续的动力（挣扎了几个小时）。因此，罪魁祸首是：

try:except tf.errors.OutOfRangeError:finally:coord.request_stop（）

（最终…破坏了它）和

coord.join（线程）

。我在互联网上的很多地方看到，我没有考虑删除它们，但没有（或更好地：用错误的顺序把它们装帧）就更好了。谢谢

edb@lapelidb:/tmp$ python csv.py
3000