设置num_epochs=None后TensorFlow Estimator训练陷入死循环的问题

API 探路者

2026-5-27

你遇到的这个死循环问题，根源其实在num_epochs=None的设置和循环调用est.train的搭配上。我之前用TensorFlow 1.x的estimator时也踩过类似的坑，给你拆解一下原因和解决办法：

问题根源

当你设置num_epochs=None时，numpy_input_fn会生成一个永远不会停止的数据集——它会无限重复你的训练数据，不会抛出终止信号。你原本想循环15次、每次跑20步，但实际情况是：第一次调用est.train(steps=20)时，由于数据集无限，部分旧版本的TensorFlow里，estimator可能无法正确识别steps参数的终止条件，或者因为迭代器的状态在循环中被保留，导致训练一旦开始就停不下来，看起来就像死循环了。

解决办法

有两种简单的方式，选哪种看你的需求：

一次性跑完总步数（推荐）
既然你预期总步数是20×15=300，直接在一次train调用里指定总步数就行，完全不用循环，这也更符合estimator的设计逻辑：
```
train_input = tf.estimator.inputs.numpy_input_fn(
    x={'x': sst_train}, 
    y=precip_train, 
    shuffle=True, 
    batch_size=100, 
    num_epochs=None
)
est.train(input_fn=train_input, steps=300)
```
这样estimator会自动处理无限数据集，跑完300步后就会停止。
每次循环重新创建输入函数
如果一定要用循环控制训练节奏，那得在每次循环里重新生成输入函数，确保每次训练都用一个全新的数据集迭代器：
```
for i in range(15):
    # 每次循环都重新定义输入函数
    train_input = tf.estimator.inputs.numpy_input_fn(
        x={'x': sst_train}, 
        y=precip_train, 
        shuffle=True, 
        batch_size=100, 
        num_epochs=None
    )
    est.train(input_fn=train_input, steps=20)
```
这样每次调用est.train时，都是用新的迭代器，能准确跑完20步后进入下一次循环，15次后完成训练。