Tensorflow调用tf.train.shuffle_batch函数报错“OutOfRangeError: RandomShuffleQueue”

小灰灰 2022-03-25 05:58 299阅读 0赞

### 1.报错内容： ###

> OutOfRangeError (see above for traceback): RandomShuffleQueue '\_1\_shuffle\_batch/**random\_shuffle\_queue' is closed and has insufficient elements (requested 3, current size 0) **\[\[Node: shuffle\_batch = QueueDequeueManyV2\[component\_types=\[DT\_FLOAT, DT\_FLOAT\], timeout\_ms=-1, \_device="/job:localhost/replica:0/task:0/device:CPU:0"\](shuffle\_batch/random\_shuffle\_queue, shuffle\_batch/n)\]\]

### 2.问题说明 ###

> 首先，初始该类问题表明程序本身并没有实质性的语法错误，其次，该报错是由shuffle\_batch函数生成的

### 3.错误排查 ###

> （1）若显示：“**requested 3, current size 1**”表明数据还未读入，可尝试**调小batch\_size**（随机出队列的数据量）; 或者**增大num\_threads**（线程数量）
> 
> （2）若显示：“**requested 3, current size 1**”则表示数据本身并没有读入，则可**检查数据集是否有问题**
> 
> 比如：
> 
> ①一个对象（行）应当有7个元素进行表示，却只有6个元素）
> 
> ②按照指定格式读取数据，如\[\[1.0\], \[1.0\], \[1.0\]\]， 却读取了数据标题行的字符型标题，导致数据无法读入，解决的方法有两个：①tf.TextLineReader()等函数读取数据时直接跳过第一行；②在原始数据中删除第一行，即删除第一行标题行

### 4.示例代码 ###

import tensorflow as tf
    import numpy as np
    import os
    os.environ["TF_CPP_MIN_LOG_LEVEL"] = "2"
    
    
    def readFile(filename):
        filename_queue = tf.train.string_input_producer(filename, shuffle=False)
    
        # 定义reader(逐行读取)
        reader = tf.TextLineReader(skip_header_lines=1)
        key, value = reader.read(filename_queue)
    
        # 读取数据时对应的匹配类型
        # [1.0]:float
        # [1]:int
        # ["null"]:string
        record_defaults = [[1.0], [1.0], [1.0], [1.0], [1.0], [1.0], [1.0]]
        # record_defaults = []
        # for i in range(7):
        #     record_defaults.append([1.0])
        col1, col2, col3, col4, col5, col6, col7 = tf.decode_csv(value, record_defaults=record_defaults)
    
        # tf.stack：按照给定方向堆叠
        label = tf.stack([col1, col2])
        features = tf.stack([col3, col4, col5, col6, col7])
    
        # 注意min_after_dequeue < capacity
        example_batch, label_batch = tf.train.shuffle_batch([features, label], batch_size=3, capacity=100, min_after_dequeue=10)
        return example_batch, label_batch
    
    
    example_batch, label_batch = readFile(["cancer.txt"])
    
    with tf.Session() as sess:
        
        # 数据读取必须要创建线程协调器
        coord = tf.train.Coordinator()
        threads = tf.train.start_queue_runners(sess=sess, coord=coord)
        for i in range(5):
            e_val, l_val = sess.run([example_batch, label_batch])
            print(e_val)
        coord.request_stop()
        coord.join(threads)