Python tf.train.range\u input\u producer（历元大小，shuffle=True）不会终止，也不会导致CPU/GPU负载

我在处理RNN时遇到了一个奇怪的问题。我正在遵循并尝试我自己的（更简单的）实现，这是我的灵感来源

调试后，我发现问题来自（第115行）中的

ranger\u input\u producer

我用最小的例子将其隔离：

import tensorflow as tf

epoch_size = 20
i = tf.train.range_input_producer(epoch_size, shuffle=False).dequeue()

这就是

ptb_producer

（具有

epoch_size

的可变值）。 实际上，这段代码并没有终止（我甚至没有调用任何

会话。运行（…）

，也没有使用CPU。我猜队列正在等待什么

有什么线索吗？ Thx

---

pltrdy

由于队列为空，您可能遇到了一个出列I/O块。（ptb_producer使用tf.train.range_input_producer，它使用FIFOQueue。）根据队列，将阻塞直到有元素返回。请仔细检查您的目录和数据。

如果您只是使用

将tf.Session（）作为sess:

， 必须使用显式打开线程

threads=tf.train.start\u queue\u runners（）

。 但在ptb_word_lm.py中，它使用如下代码 sv=tf.train.Supervisor（），sv.managed_session（）作为sess:，

---

Supervisor（）函数包含一些隐式启动线程的内容

你说得对，问题一定来自I/O，因为即使是

sess.run（data）

也不会终止。顺便说一句，目录/文件正常（否则会引发异常。在处理数据的方式上看不到真正的差异。出于各种原因，我确实使用了迭代器而不是队列（如tensorflow 0.11 ptb_word_lm实现）。不过，我确实认为您是对的，因为我阅读了与“手动”启动队列等相关的内容。因此，我正在验证anwser.Thx:）