Python TensorFlow，队列，进队，出队，FIFOQueue

叁歲伎倆 2022-03-12 01:23 253阅读 0赞

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1][]

注意，如果一次性入队超过Queue Size的数据，enqueue操作会卡住，直到有数据（被其他线程）从队列取出。对一个已经取空的队列使用dequeue操作也会卡住，直到有新的数据（从其他线程）写入。

--------------------

**demo.py（先进先出队列，FIFOQueue，进队，出队）：**

import tensorflow as tf
    import os
    os.environ['TF_CPP_MIN_LOG_LEVEL']='2'  # 设置警告级别
    
    
    # 模拟先处理数据，然后取数据训练的过程
    
    # 1、定义队列
    Q = tf.FIFOQueue(3, tf.float32)  # 先进先出队列，3表示队列大小
    
    # 放入一些数据
    enq_many = Q.enqueue_many([[0.1, 0.2, 0.3], ])  # TensorFlow中默认将[1,2,3]当成张量。[[1,2,3],]才表示列表。 
    
    # 2、定义一些处理数据的逻辑，取数据的过程
    
    out_data = Q.dequeue()  # 出队列
    
    data = out_data + 1  # 数据处理逻辑
    
    en_q = Q.enqueue(data)  # 再次进入队列
    
    # 会话
    with tf.Session() as sess:
        # 初始化队列
        sess.run(enq_many)
    
        # 模拟处理数据
        for i in range(100):
            # tensorflow当中，运算操作有依赖性 (后面的运算依赖于前面运算的结果)
            sess.run(en_q)  # op操作的运行有依赖性，运行en_q操作，会自动先运行依赖的前面的出队操作。
    
        # 模拟训练数据
        for i in range(Q.size().eval()):  # eval()等价于sess.run()
            print(sess.run(Q.dequeue()))  # 33.2  33.3  34.1
        
        # 数据的处理和数据的训练是一个同步的过程，影响效率，可以考虑使用子线程处理数据提高效率。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70]: /images/20220312/ed2c10219cea4a2aaaeab75b56c09ce5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1]: /images/20220312/dd07671cd6d44cd28c9f4a3c56e9817f.png