tensorflow - tf.train.MonitoredTrainingSession 和来自 Dataset 的可重新初始化的迭代器

Question

似乎 MonitoredTrainingSession 在第一次调用 .run(..) 之前做了一些操作(记录？)，这意味着当我这样做时:

train_data = reader.traindata() # returns a tf.contrib.data.Dataset
it = tf.contrib.data.Iterator.from_structure(train_data.output_types, train_data.output_shapes)
init_train = it.make_initializer(train_data)
ne = it.get_next()
ts = tf.train.MonitoredTrainingSession(checkpoint_dir=save_path)

... no calls to ts.run ...

ts.run(init_train)

这会产生错误:

FailedPreconditionError (see above for traceback): GetNext() failed because the iterator has not been initialized. Ensure that you have run the initializer operation for this iterator before getting the next element

因此，它看起来好像 MonitoredTrainingSession 在运行我提供的操作之前正在执行一些操作，从而无法与来自 Dataset 的可重新初始化的迭代器一起使用。

我确定我错过了一些东西，很想听听:-)

Answer 1

看起来 Tensorflow 中还没有直接的解决方案。是的，他们没有完全支持 Dataset API，这很奇怪。

原因是被监控的 session 跳过运行init_op从检查点加载时。因此迭代器初始值设定项应该是一个局部变量。

本期给出了当前的解决建议 - https://github.com/tensorflow/tensorflow/issues/12859

scaffold = tf.train.Scaffold(local_init_op=tf.group(tf.local_variables_initializer(),
                                     init_train))
with tf.train.MonitoredTrainingSession(scaffold=scaffold, 
                                       checkpoint_dir=checkpoint_dir) as sess:
    while not sess.should_stop():
        sess.run(train_op)