在tensorflow中队列和变量都是用于计算图上有状态的节点;
以下为FIFOQueue队列,是一个先进先出队列
import tensorflow as tf
q = tf.FIFOQueue(3,"int32") #创建一个先进先出的队列
init = q.enqueue_many(([2,5,3],)) #通过enqueue_many()函数初始化队列中的元素
x = q.dequeue() #通过dequeue()函数将队列中的第一个元素送出队列,并将这个元素的值存在变量x中
y = x+1
q_inc = q.enqueue([y]) #将更新后的元素值重新加入队列中
with tf.Session() as sess:
sess.run(init)
quelen = sess.run(q.size())
for i in range(3): #执行q_inc的次数3,
sess.run(q_inc)
quelen = sess.run(q.size())
for i in range(quelen):
print(sess.run(q.dequeue()))
结果为:3 6 4
而RandomShuffleQueue函数为随机队列,是以随机的顺序产生元素的;
import tensorflow as tf
q = tf.RandomShuffleQueue(capacity=10,min_after_dequeue=2, dtypes="float") #队列最大长度为10,出队后最小长度为2;
sess = tf.Session()
for i in range(0,10): #10次入队操作
sess.run(q.enqueue(i))
for i in range(0,8): #8次出队操作
print(sess.run(q.dequeue()))
结果为随机:本次为:
0.0
3.0
4.0
9.0
6.0
5.0
2.0
7.0
但是在以下两种情况中会出现阻断:1.队列长度等于最小值,执行出队操作
2.队列长度等于最大值,执行入队操作