Python OutOfRangeError（回溯请参见上文）：RandomShuffleQueue“\u 5\u shuffle\u batch\u 1/Randomy\u shuffle\u queue”已关闭且元素不足

我使用TFrecord作为输入。 现在我需要三批输入。图像批次和标签批次正常。但是第二个posimage_批，poslabel_批是错误的。 我已经读过很多关于随机性错误问题的帖子。 答案tf.local\u variables\u初始值设定项不能解决我的错误 因为我只搜索一个batch_数据和batch_标签作为输入。所以我不知道三重输入。 我在网上搜索了很长时间。但是没有用。请帮助或尝试给出一些如何实现这一点的想法

def real_read_and_decode(filename):
    filename_queue = tf.train.string_input_producer([filename])

    reader = tf.TFRecordReader()
    _, serialized_example = reader.read(filename_queue)
    features = tf.parse_single_example(serialized_example,
                                       features={
                                           'label': tf.FixedLenFeature([], tf.int64),
                                           'img_raw' : tf.FixedLenFeature([], tf.string),
                                       })
    img = tf.decode_raw(features['img_raw'], tf.uint8)
    img = tf.reshape(img, [WIDTH,HEIGHT, 3])
    label = tf.cast(features['label'], tf.int32)
    labels = tf.one_hot(label, NUM_CLASSES)
    return img, labels    

def main():

    image, label = read_and_decode("sketch_train.tfrecords")
    posimage, poslabel = real_read_and_decode("pos_train.tfrecords")
    negimage, neglabel = real_read_and_decode("neg_train.tfrecords")

    image_batch, label_batch =tf.train.shuffle_batch([image, label],batch_size=BATCH_SIZE,capacity=1500, min_after_dequeue=1000)
    posimage_batch, poslabel_batch = tf.train.shuffle_batch([posimage, poslabel],batch_size=BATCH_SIZE,capacity=1500, min_after_dequeue=1000)
    negimage_batch, neglabel_batch = tf.train.shuffle_batch([negimage, neglabel],batch_size=BATCH_SIZE,capacity=1500, min_after_dequeue=1000)

    with tf.Session(config=config) as sess:
        sess.run(tf.local_variables_initializer())
        sess.run(tf.global_variables_initializer())
        coord = tf.train.Coordinator()
        threads = tf.train.start_queue_runners(sess=sess,coord=coord)
        for i in range(ITERATION):
            if coord.should_stop():
                print('corrd break!!!!!!')
                break
            #sess.run(tf.local_variables_initializer())
            example_train, l_train = sess.run([image_batch, label_batch])
            example_train2, l_train2= sess.run([posimage_batch, poslabel_batch])
            example_train3, l_train3 = sess.run([negimage_batch, neglabel_batch])
            _, loss_v = sess.run([train_step, loss],feed_dict={x1: example_train,y1: l_train,x2: example_train2, y2: l_train2,x3: example_train3, y3: l_train3})

因为我是一个新用户，我的英语不好。

---

希望你不介意

您可能只需要添加一些OutOfRangeError异常的处理，该异常迟早会发生：

try:
    sess.run(tf.local_variables_initializer())
    sess.run(tf.global_variables_initializer())
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess,coord=coord)
    for i in range(ITERATION):
    #....
except tf.errors.OutOfRangeError:
    print('Done training -- limit reached')
finally:
    coord.request_stop()