线程协同管理
# 利用Coordinator和QueueRunner来协同管理线程
import tensorflow as tf
queue = tf.FIFOQueue(100, 'float') # 创建一个含100个元素的先进先出的队列
enqueue_op = queue.enqueue([tf.random_normal([1])]) # 创建一个每次入队一个tensorflow随机数的运算
qr = tf.train.QueueRunner(queue, [enqueue_op] * 5) # 用QueueRunner来创建5个同时维护这个队列的线程
tf.train.add_queue_runner(qr) # 将定义好的QueueRunner加入计算图上指定的集合
out_tensor = queue.dequeue() # 定义一个出队操作,每次会得到一个tensor
with tf.Session() as sess:
coord = tf.train.Coordinator() # 使用Coordinator来协同启动的线程,线程需要判断停止信号,也能向其他线程发出停止信号,只需要向线程传入coord对象就行
# 该类一般有should_stop, request_stop, join三个方法,分别是是否停止、命令停止、等待停止
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
for _ in range(3): print(sess.run(out_tensor)[0]) # 出三次队列
coord.request_stop() # 命令所有的线程停止
coord.join(threads) # 等待所有线程终止