tf.Session()与tf.tf.train.Supervisor()的一个区别

  • 在测试集上对训练好的模型进行实验的时候，发现写好的代码没有报错但是会卡在sess.run()那里不动。查了好久终于明白是开启线程的问题。tf的数据线程没有启动,导致数据流没办法计算,整个程序就卡在那里。
  • 两个解决方法
    使用tf.train.range_input_producer(epoch_size, shuffle=False),会默认将QueueRunner添加到全局图中，我们必须使用tf.train.start_queue_runners(sess=sess)，去启动该线程。然后使用coord = tf.train.Coordinator()去做一些线程的同步工作。
    第二种方法比较简单，使用sv = tf.train.Supervisor(),文档上说,The Supervisor is a small wrapper around a Coordinator, a Saver, and a SessionManager
    使用了Supervisor(),那么保存模型，线程同步的事情都不用我们去干涉了。
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容