第一次运行后，读取Tensorflow记录文件不起作用

我有一小段代码从一些TFRecord文件中读取数据。如果我从ipython笔记本上运行代码，那么在我第一次执行块时，它就可以正常工作。但是，如果在不重新启动内核的情况下再次尝试执行同一代码块，则会产生错误（错误：StatusNotOK:Not found:FetchOutputs node DecodeRaw_2:0:Not found）。代码如下所示。我是否需要关闭/清除/重新初始化某些内容才能使代码正确运行多次

filename_queue = tf.train.string_input_producer(filename_list)
init = tf.initialize_all_variables()
image = []
label = []
with tf.Session() as sess:
    sess.run(init)

    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)

    tf_image, tf_label = read_and_decode(filename_queue)
    for i in range(len(filename_list)):
        image.append(sess.run(tf_image))
        label.append(sess.run(tf_label))

    coord.request_stop()
    coord.join(threads)

---

请注意，默认情况下，read_和_decode（）取自。命令使用新名称附加到默认图形。在第二次运行代码段之前，可以使用tf.reset\u default\u graph（）清除默认图形。

默认情况下为tf。命令使用新名称附加到默认图形。在第二次运行代码段之前，可以使用tf.reset\u default\u graph（）清除默认图形。

问题代码中存在一些问题

首先，所有的操作都被添加到同一个图中。这意味着当您调用（或运行op）时，会话将执行与您运行此代码段的次数成比例的工作。您可以在对该代码的调用之间进行调用，但隔离内容的更干净方法可能是每次声明一个单独的图：

with tf.Graph().as_default():  # Declares a new graph for the life of the block.
    filename_queue = tf.train.string_input_producer(filename_list)
    init = tf.initialize_all_variables()
    image = []
    label = []
    with tf.Session() as sess:
        # ...
        coord.join(threads)

第二个问题是，分别调用

sess.run（tf\u image）

和

sess.run（tf\u label）

意味着图像和标签之间的关联丢失。调用

sess.run（tf_-image）

时，您从读卡器中获取图像和标签，但丢弃标签（反之亦然，对于

sess.run（tf_-label）

。正确的解决方案是在同一步骤中获取它们：

image_val, label_val = sess.run([tf_image, tf_label])
image.append(image_val)
label.append(label_val)

即使重置了图形，也可能导致问题的最后一个问题是，代码在调用

tf.train.start\u queue\u runners（）后将节点添加到图形中

。TensorFlow图上可能存在数据争用，因为它会向图中添加节点，而并行队列运行程序会同时读取它，

tf.graph

不是线程安全的

处理此问题的最佳方法是在启动队列运行程序之前定义所有图形：

with tf.Graph().as_default():
    filename_queue = tf.train.string_input_producer(filename_list)
    image = []
    label = []
    tf_image, tf_label = read_and_decode(filename_queue)

    with tf.Session() as sess:
       coord = tf.train.Coordinator()
       threads = tf.train.start_queue_runners(sess=sess, coord=coord)

       for i in range(len(filename_list)):
           image_val, label_val = sess.run([tf_image, tf_label])
           image.append(image_val)
           label.append(label_val)

       coord.request_stop()
       coord.join(threads)

---

问题代码中有几个问题

首先，所有操作都被添加到同一个图中。这意味着当您调用（或运行操作）时会话将执行与您运行此代码段的次数成比例的工作。您可以在调用此代码之间调用，但隔离内容的更简洁方法可能是每次声明一个单独的图：

with tf.Graph().as_default():  # Declares a new graph for the life of the block.
    filename_queue = tf.train.string_input_producer(filename_list)
    init = tf.initialize_all_variables()
    image = []
    label = []
    with tf.Session() as sess:
        # ...
        coord.join(threads)

第二个问题是，分别调用

sess.run（tf\u image）

和

sess.run（tf\u label）

意味着图像和标签之间的关联丢失。当调用

sess.run（tf\u image）

时，您从读卡器中使用图像和标签，但丢弃标签（反之亦然，调用

sess.run（tf\u label）

。正确的解决方案是在同一步骤中获取它们：

image_val, label_val = sess.run([tf_image, tf_label])
image.append(image_val)
label.append(label_val)

即使重置了图形，也可能导致问题的最后一个问题是，代码在调用

tf.train.start\u queue\u runners（）后将节点添加到图形中

。TensorFlow图上可能存在数据争用，因为它会向图中添加节点，而并行队列运行程序会同时读取它，

tf.graph

不是线程安全的

处理此问题的最佳方法是在启动队列运行程序之前定义所有图形：

with tf.Graph().as_default():
    filename_queue = tf.train.string_input_producer(filename_list)
    image = []
    label = []
    tf_image, tf_label = read_and_decode(filename_queue)

    with tf.Session() as sess:
       coord = tf.train.Coordinator()
       threads = tf.train.start_queue_runners(sess=sess, coord=coord)

       for i in range(len(filename_list)):
           image_val, label_val = sess.run([tf_image, tf_label])
           image.append(image_val)
           label.append(label_val)

       coord.request_stop()
       coord.join(threads)

---

在第二次运行代码段之前，请尝试

tf.reset\u default\u graph（）

。感谢您的快速响应。尝试

tf.reset\u default\u graph（））

在第二次运行代码片段之前，它成功了！感谢您的快速响应。非常棒的答案！感谢您的详细评论。我学到了很多！非常棒的答案！感谢您的详细评论。我学到了很多！