分布式TensorFlow：关于tf.train.Supervisor.start_queue_runners的使用答案

【问题标题】：Distributed TensorFlow: about the using of tf.train.Supervisor.start_queue_runners分布式TensorFlow：关于tf.train.Supervisor.start_queue_runners的使用
【发布时间】：2017-01-16 21:30:11
【问题描述】：

我正在研究distributed inception model in TF 的代码，其中我有以下关于tf.train.Supervisor.start_queue_runners 在inception_distributed_train.py 中的使用的问题：

为什么我们需要在行内显式调用sv.start_queue_runners() 264 并在inception_distributed_train.py 中加入269？在API doc. of start_queue_runners，我认为不需要这样由于以下原因来电：

请注意，在图键 QUEUE_RUNNERS 中收集的队列运行器当您使用主管，所以除非你有未收集的队列跑步者开始你不需要显式调用它。
我注意到queue_runners 的值在调用 sv.start_queue_runners 在264 和行中不同 269 在inception_distributed_train.py。但不是 chief_queue_runners也在收藏中 tf.GraphKeys.QUEUE_RUNNERS（所有QUEUE_RUNNERS都是在263行中获得的）？如果所以，那么就不需要线 269 因为 chief_queue_runners 已经已在264 行开始。
另外，能否请您向我解释一下或向我展示一些关于tf.train.Supervisor 中创建了哪些队列的参考资料？

感谢您的宝贵时间！

【问题讨论】：

标签： tensorflow distributed-computing

【解决方案1】：

不是答案，而是一些一般说明如何找到答案:)

首先，利用github的责备，inception_distributed 是在4月13日签入的，而start_queue_runners中的评论是在4月15日添加的，所以可能是功能发生了变化，但没有在所有地方更新使用它。

您可以注释掉该行并查看是否仍然有效。如果没有，您可以在创建队列运行器的位置添加import pdb; pdb.set_trace()（即here），看看是谁在创建那些额外的无人值守队列运行器。

此外，Supervisor 的开发似乎已经放缓，事情正在转移到 FooSession（来自评论 here）。这些提供了更强大的训练架构（您的工作人员不会因为临时网络错误而崩溃），但目前还没有很多关于如何使用它们的示例。

【讨论】：

感谢您的回复，雅罗斯拉夫！我问了一些问题以获得一些快速的答案，我会检查这些问题。此外，您关于迁移到 FooSession 的信息很有价值。