python - 如何在 tensorflow 中处理不同的队列批量大小和馈送值批量大小？

Question

我的代码曾经在tensorflow 0.6上运行，但它不再在最新的tensorflow上运行。

我想每隔几次训练迭代就执行一次推理。我的训练数据是从队列中提取的，我的推理数据来自 feed_dict。训练批量大小为 128，推理批量大小为 1。我应该怎样做才能使网络接受两种不同的批量大小？

batch_size = 128
x_batch = tf.placeholder("float", [None, 100])
q = tf.FIFOQueue(10, [tf.float32], shapes=[[batch_size, 100]])
enqueue_op = q.enqueue([x_batch])

# during training
x = q.dequeue() # dequeue operation

# network definition, takes x as input, and output y
......

# during inference
x_array_of_batch_size_1 = .. # a 1x100 numpy array
sess.run([y], feed_dict={x: x_array_of_batch_size_1))

我收到以下错误:

ValueError: Cannot feed value of shape (1, 100) for Tensor u'fifo_queue_Dequeue:0', which has shape '(128, 100)'

Answer 1

我们最近添加了此检查以防止错误(并添加了一些优化机会)。您可以通过更改 x 的声明以使用新的 tf.placeholder_with_default() 操作来使程序再次运行:

x = tf.placeholder_with_default(q.dequeue(), shape=[None, 100])