tensorflow队列操作中线程的用途是什么？
提问于 2018-02-10 14:06:14
images, labels = tf.train.batch([image, label], batch_size=32, num_threads=4)我经常看到一个用num_threads创建的队列，线程被认为是用于入队操作的。我不太理解为入队设置多个线程的目的，因为在我看来，入队只是将一个值放在队列的末尾。
回答 1
Stack Overflow用户
发布于 2018-02-10 15:27:40
来自Threading and Queues tutorial
例如，典型的输入架构是使用
RandomShuffleQueue来准备用于训练模型的输入：
- 多线程准备训练示例并将其推送到队列中。
- 训练线程执行将小批次从队列中出队的训练操作。
TensorFlow会话对象是多线程的，因此多个线程可以很容易地使用同一会话并并行运行操作。
这个想法是，数据管道通常是I/O密集型的:数据可以从磁盘获取，甚至可以从网络流式传输。GPU很有可能不会成为计算中的瓶颈，原因很简单，因为数据馈送的速度不够快，无法使其饱和。
多线程读取解决了这个问题:当一个线程正在等待I/O任务时，另一个线程已经有了一些GPU的数据。在处理此数据时，第一线程有望接收并准备其批处理，依此类推。这就是为什么tf.train.batch、tf.train.shuffle_batch和其他函数支持多线程数据处理。设置num_threads = 1使批处理具有确定性，但如果有多个线程，则不能保证队列中数据的顺序。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/48721620
复制相关文章
腾讯云开发者
