Machine learning Tensorflow训练和验证输入队列分离

我试图用TensorFlow复制完全卷积网络的结果。我用过。我只需要编写培训包装。我创建了两个共享变量的图和两个输入队列，一个用于培训，一个用于验证。为了测试我的培训包装器，我使用了两个简短的培训和验证文件列表，并在每个培训阶段之后立即进行验证。我还从输入队列中打印出每个图像的形状，以检查是否得到正确的输入。然而，在我开始训练之后，似乎只有来自训练队列的图像被排出来。因此，训练图和验证图都从训练队列中获取输入，并且验证队列永远不会被访问。有人能帮助解释和解决这个问题吗

以下是相关代码的一部分：

def get_数据（图像名称列表、num_时代、范围名称、num_类=num_类）：
使用tf.variable_scope（scope_name）作为作用域：
images_path=[os.path.join（DATASET_DIR，i+'.jpg'），用于图像_name_列表中的i]
gts_path=[os.path.join（GT_DIR，i+'.png'），表示图像_name_列表中的i]
seed=random.randint（02147483647）
image\u name\u queue=tf.train.string\u input\u producer（image\u path，num\u epochs=num\u epochs，shuffle=False，seed=seed）
gt_name_queue=tf.train.string_input_producer（gts_路径，num_epochs=num_epochs，shuffle=False，seed=seed）
reader=tf.WholeFileReader（）
image\u键，image\u值=reader.read（image\u name\u队列）
my_image=tf.image.decode_jpeg（图像值）
my_image=tf.cast（my_image，tf.float32）
my_image=tf.expand_dims（my_image，0）
gt_key，gt_value=reader.read（gt_name\u队列）
#gt代表地面真理
my_gt=tf.cast（tf.image.decode_png（gt_值，通道=1），tf.float32）
my_gt=tf.one_hot（tf.cast（my_gt，tf.int32），NUM_类）
返回我的\u图像，我的\u gt
列车图像，列车gt=获取列车数据（列车文件，数字历元，“列车”）
val_image，val_gt=get_数据（val_文件，NUM_历元，“验证”）
以tf.变量_范围（'FCN16'）作为范围：
列车_vgg16_fcn=fcn16_vgg.FCN16VGG（）
train_vgg16_fcn.build（train_映像，train=True，num_classes=num_CLASS，keep_prob=keep_prob）
作用域。重用_变量（）
val_vgg16_fcn=fcn16_vgg.FCN16VGG（）
val_vgg16_fcn.build（val_image，train=False，num_classes=num_CLASS，keep_prob=1）
"""
在计算图中定义损失、评估指标、汇总、节省。初始化变量并启动会话。
"""
对于范围内的历元（起始历元、数值历元）：
对于范围内的i（列数）：
_，损失值，形状=sess.run（[train\u op，train\u entropy\u loss，tf.shape（train\u image）]）
打印形状
对于范围内的i（val_num）：
损耗值，形状=sess.run（[val\u熵损耗，tf.shape（val\u图像）]）
打印形状

要确保您正在阅读可以运行的不同图像，请执行以下操作：

[train_image_np, val_image_np] = sess.run([train_image, val_image])

要重用变量，这会更好、更安全：

with tf.variable_scope('FCN16') as scope:
   train_vgg16_fcn = fcn16_vgg.FCN16VGG()  
   train_vgg16_fcn.build(train_image, train=True, num_classes=NUM_CLASS, keep_prob = KEEP_PROB)
with tf.variable_scope(scope, reuse=True):
   val_vgg16_fcn = fcn16_vgg.FCN16VGG()
   val_vgg16_fcn.build(val_image, train=False, num_classes=NUM_CLASS, keep_prob = 1)

---

您找到答案了吗？我没有一个好的答案，但建议在单独的过程中运行评估。它更容易、更干净。如果不想这样做，可以创建两个不同的图和会话，并将验证输入队列与之关联。