Tensorflow花費太長時間來讀取tfrecord文件

Question

我有tfrecord文件，該文件具有五列-context，context_len，話語，uuterance_len和label。 tfrecord文件的來源是Ubuntu Dialog Corpus。 問題是它花費的時間太長而無法讀取文件

filename_queue = tf.train.string_input_producer(['data/samples/train.tfrecords'], num_epochs = 1)

reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)

features = tf.parse_single_example(serialized_example, 
features = {
"context" : tf.FixedLenFeature([], tf.int64),
"context_len" : tf.FixedLenFeature([], tf.int64),
"utterance" : tf.FixedLenFeature([], tf.int64),
"utterance_len" : tf.FixedLenFeature([], tf.int64),
"label" : tf.FixedLenFeature([], tf.int64)
})

contexts = features['context']
context_lens = features['context_len']
utterances = features['utterance']
utterance_lens = features['utterance_len']
labels = features['label']

init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
sess.run(contexts)

當代碼讀取文件的時間太長時，我認為一定是由於文件大小所致。 因此，我將原始的csv文件細分為10條記錄，並將其轉換為tfrecords文件，但沒有區別。 我仍然面臨着同樣的問題。 因此，現在我確信它與我的代碼有關。 我的目標是解析一個示例，以后再用它來訓練RNN。

Answer 1

您需要在首次運行調用之前啟動隊列運行器