使用queu实现TensorFlow的MNIST示例而不使用feed\u dict的问题

Question

我遇到了TensorFlow的Deep MNIST for Experts，并希望对其进行调整，以便在gpu上更有效地使用。因为feed dict似乎非常慢，所以我实现了一个输入管道，使用tf.train.shuffle_batch和FIFOQueue将数据输入到模型中。你知道吗

Here's a Gist with the stock implementation of the TensorFlow guide和here's a Gist with my attempt at an optimized implementation.

现在在TensorFlow页面上的示例中，经过几千次迭代后，精度很快接近1。但是在我的代码中，除了队列实现是同一个模型之外，精度似乎在~0.05到~0.15之间波动。此外，经过几百次迭代之后，损失达到了2.3左右，并且没有比这减少更多。你知道吗

另一个值得注意的点是：当我与创建的原始批处理和后续迭代中使用的批处理进行比较时，它们看起来是等价的。也许问题出在我的排队上，但我真的不知道如何解决它。如果有人看到我的实现有任何问题，一些指针将不胜感激！你知道吗

Answer 1

找到了解决办法。结果是tf.train.shuffle_batch隐式实现了RandomShuffleQueue。将tf.train.shuffle_batch的结果加载到FIFOQueue可能导致FIFOQueue不更新输入批处理，而标签正在更新，因为它们没有被传递到FIFOQueue。移除FIFOQueue完全解决了我的问题。你知道吗