如何在 tensorflow 中处理不同的队列批量大小和提要值批量大小？答案

【问题标题】：How to handle different queue batch size and feed value batch size in tensorflow?如何在 tensorflow 中处理不同的队列批量大小和提要值批量大小？
【发布时间】：2016-03-19 18:52:49
【问题描述】：

我的代码曾经在 tensorflow 0.6 上运行，但它不再适用于最新的 tensorflow。

我想每隔几次训练迭代执行一次推理。我的训练数据来自队列，我的推理数据来自 feed_dict。训练批次大小为 128，推理批次大小为 1。我应该怎么做才能让网络接受这两种不同的批次大小？

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)'

【问题讨论】：

标签： python tensorflow training-data prefetch

【解决方案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）。您可以通过将x 的声明更改为使用新的tf.placeholder_with_default() 操作来使您的程序再次运行：

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

【讨论】：