先放關鍵程式碼：

i = tf.train.range_input_producer(NUM_EXPOCHES,num_epochs=1,shuffle=False).dequeue()
inputs = tf.slice(array,[i * BATCH_SIZE],[BATCH_SIZE])

原理解析：

第一行會產生一個佇列，佇列包含0到NUM_EXPOCHES-1的元素，如果num_epochs有指定，則每個元素只產生num_epochs次，否則迴圈產生。shuffle指定是否打亂順序，這裡shuffle=False表示佇列的元素是按0到NUM_EXPOCHES-1的順序儲存。在Graph執行的時候，每個執行緒從佇列取出元素，假設值為i，然後按照第二行程式碼切出array的一小段資料作為一個batch。例如NUM_EXPOCHES=3，如果num_epochs=2，則佇列的內容是這樣子；

0,1,2,2

佇列只有6個元素，這樣在訓練的時候只能產生6個batch，迭代6次以後訓練就結束。

如果num_epochs不指定，則佇列內容是這樣子：

0,2...

佇列可以一直生成元素，訓練的時候可以產生無限的batch，需要自己控制什麼時候停止訓練。

下面是完整的演示程式碼。

資料檔案test.txt內容：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35

main.py內容：

import tensorflow as tf
import codecs
 
BATCH_SIZE = 6
NUM_EXPOCHES = 5
 
 
def input_producer():
 array = codecs.open("test.txt").readlines()
	array = map(lambda line: line.strip(),array)
 i = tf.train.range_input_producer(NUM_EXPOCHES,shuffle=False).dequeue()
 inputs = tf.slice(array,[BATCH_SIZE])
 return inputs
 
 
class Inputs(object):
 def __init__(self):
  self.inputs = input_producer()
 
 
def main(*args,**kwargs):
 inputs = Inputs()
 init = tf.group(tf.initialize_all_variables(),tf.initialize_local_variables())
 sess = tf.Session()
 coord = tf.train.Coordinator()
 threads = tf.train.start_queue_runners(sess=sess,coord=coord)
 sess.run(init)
 try:
  index = 0
  while not coord.should_stop() and index<10:
   datalines = sess.run(inputs.inputs)
   index += 1
   print("step: %d,batch data: %s" % (index,str(datalines)))
 except tf.errors.OutOfRangeError:
  print("Done traing:-------Epoch limit reached")
 except KeyboardInterrupt:
  print("keyboard interrput detected,stop training")
 finally:
  coord.request_stop()
 coord.join(threads)
 sess.close()
 del sess
	
if __name__ == "__main__":
 main()

輸出：

step: 1,batch data: ['1' '2' '3' '4' '5' '6']
step: 2,batch data: ['7' '8' '9' '10' '11' '12']
step: 3,batch data: ['13' '14' '15' '16' '17' '18']
step: 4,batch data: ['19' '20' '21' '22' '23' '24']
step: 5,batch data: ['25' '26' '27' '28' '29' '30']
Done traing:-------Epoch limit reached

如果range_input_producer去掉引數num_epochs=1，則輸出：

step: 1,batch data: ['25' '26' '27' '28' '29' '30']
step: 6,batch data: ['1' '2' '3' '4' '5' '6']
step: 7,batch data: ['7' '8' '9' '10' '11' '12']
step: 8,batch data: ['13' '14' '15' '16' '17' '18']
step: 9,batch data: ['19' '20' '21' '22' '23' '24']
step: 10,batch data: ['25' '26' '27' '28' '29' '30']

有一點需要注意，檔案總共有35條資料，BATCH_SIZE = 6表示每個batch包含6條資料，NUM_EXPOCHES = 5表示產生5個batch，如果NUM_EXPOCHES =6，則總共需要36條資料，就會報如下錯誤：

InvalidArgumentError (see above for traceback): Expected size[0] in [0,5],but got 6
 [[Node: Slice = Slice[Index=DT_INT32,T=DT_STRING,_device="/job:localhost/replica:0/task:0/cpu:0"](Slice/input,Slice/begin/_5,Slice/size)]]

錯誤資訊的意思是35/BATCH_SIZE=5，即NUM_EXPOCHES 的取值能只能在0到5之間。

以上這篇tensorflow使用range_input_producer多執行緒讀取資料例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。