最近读取TFRecord文件出现问题，每次运行代码的时候，一开始，读取的队列就出现问题，然后退出了程序，具体的报错信息为：
OutOfRangeError: RandomShuffleQueue ‘_1_shuffle_batch/random_shuffle_queue’ is closed and has insufficient elements (requested 64, current size 0)
大致的意思就是，在获取第一个batch的64个数据的时候，队列就关闭了，并且队列中没有存储数据。可以确认，应该是读取数据出现问题，
1.首先要确保队列的启动：
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=self.sess, coord=coord)
2.读取TFRecord的阅读器tf.TFRecordReader需要与TFRecord的数据相匹配
tf.TFRecordReader在初始化中有options的选项，对应的是TFRecord的options的选项，也就是指定压缩选项：
init(
name=None,
options=None
)
Create a TFRecordReader.
Args:
name: A name for the operation (optional).
options: A TFRecordOptions object (optional).
比如在创建TFRecord文件的时候使用的代码是：
writer= tf.python_io.TFRecordWriter(record_name, tf.python_io.TFRecordOptions(1))
example = tf.train.Example(
features=tf.train.Features(
feature = {
"label":tf.train.Feature(int64_list=tf.train.Int64List(value=label)),
'img_raw':tf.train.Feature(bytes_list=tf.train.BytesList(value=[img]))
}
)
)
writer.write(example.SerializeToString())
那么在读取TFRecord文件的时候使用的代码配置如下：
file_queue = tf.train.string_input_producer([record_name])
reader = tf.TFRecordReader(tf.python_io.TFRecordOptions(1))
_, serialized_example = reader.read(file_queue)
3.确保读取过程中不会出现其他问题，导致读取出错致使队列退出
出现上述问题难以查找，这块问题出在Tensorflow的队列设计中，队列使用的文档中说明，队列内部会自行处理错误与异常，这就导致了与队列相关的，数据读取的异常处理被封装在了队列内部，外层很难获取其具体的信息，只能看到最终队列由于内部发生了异常，导致队列抛出处理后的异常，从而停止了工作，但这样丢失了原始的错误信息，调试起来相当麻烦，因而现在新的Tensorflow的版本中，已经不再更新维护原来的队列读取这套流程了。
网友评论