TensorFlow启动队列运行器后Eval仍无限挂起问题求助

我最近在运行TensorFlow代码时碰到了一个棘手的问题——当执行下面这段代码时，程序直接挂起，没有任何输出也不报错：

print('Beginning Eval...')
feed_dict_train = {
    img_data: images_batch.eval(session=session),
    img_labels: labels_batch.eval(session=session)
}

我试过单独对单个样本和批量样本执行eval()操作，但都出现了同样的挂起情况。下面是我的相关代码细节，麻烦帮忙排查一下：

单个样本读取函数 #

def read_single_example(filename):
    # Mini-init
    image_size = 256
    filenames = tf.train.string_input_producer([filename], num_epochs = None)
    reader = tf.TFRecordReader()
    _, serialized_example = reader.read(filenames)
    features = tf.parse_single_example(
        serialized_example,
        features={
            'label':tf.FixedLenFeature([], tf.float32),
            'image':tf.FixedLenFeature([image_size*image_size*3], tf.float32)
        })
    label = features['label']
    # label = tf.get_default_session().run(label)
    image_data = features['image']
    # image_data = tf.get_default_session().run(image_data)
    image = tf.reshape(image_data,(256,256,3))
    return label, image

读取单个样本 #

label_train, image_train = read_single_example(path)

训练循环内的批量处理 #

print('Getting Batch')
images_batch, labels_batch = tf.train.shuffle_batch(
    [image_train, label_train],
    batch_size=batch_size,
    capacity=2000,
    min_after_dequeue=1000)

TensorFlow会话初始化 #

session = tf.Session()
init = tf.global_variables_initializer()
session.run(init)
tf.train.start_queue_runners(sess=session)

补充说明：磁盘上的TFRecord文件是用一段生成代码创建的，内容是一批256x256x3的图像和1x41的标签张量，我暂时认为问题不在数据文件本身。完整的网络代码我也有整理好，不过先贴出和数据读取相关的核心部分。

排查思路和建议 #

结合你的代码情况，我觉得可以从这几个方向入手排查：

1. 确保队列线程正确启动
   虽然你调用了tf.train.start_queue_runners(sess=session)，但有时候在复杂环境下，队列线程可能没有完全启动。建议用Coordinator来管理线程，这样能更稳妥地控制队列的生命周期：

session = tf.Session()
init = tf.global_variables_initializer()
session.run(init)
# 新增Coordinator管理线程
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=session, coord=coord)

# 你的训练逻辑代码...

# 训练结束后记得停止线程
coord.request_stop()
coord.join(threads)
session.close()

2. 合并eval()调用为一次run()
   你现在分别对images_batch和labels_batch调用eval()，这会触发两次独立的队列读取操作，不仅效率低，还可能导致死锁。改成一次run()获取两个张量会更安全：

print('Beginning Eval...')
images_eval, labels_eval = session.run([images_batch, labels_batch])
feed_dict_train = {img_data: images_eval, img_labels: labels_eval}

3. 检查队列参数是否合理
   tf.train.shuffle_batch的min_after_dequeue参数要求队列里至少保留这么多样本才能打乱。如果你的TFRecord文件里的总样本数少于min_after_dequeue（比如只有几百个），队列永远凑不齐足够的样本，就会一直挂起等待。可以先把min_after_dequeue调小到100左右，测试是否能正常运行。

4. 验证TFRecord文件的有效性
   虽然你觉得数据没问题，但还是建议用小脚本读取几个样本确认一下，避免数据损坏或者格式不匹配：

import tensorflow as tf

def check_tfrecord(filename):
    image_size = 256
    filenames = tf.train.string_input_producer([filename], num_epochs=1)
    reader = tf.TFRecordReader()
    _, serialized_example = reader.read(filenames)
    features = tf.parse_single_example(
        serialized_example,
        features={
            'label':tf.FixedLenFeature([], tf.float32),
            'image':tf.FixedLenFeature([image_size*image_size*3], tf.float32)
        })
    label = features['label']
    image = tf.reshape(features['image'], (256,256,3))
    
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        sess.run(tf.local_variables_initializer())  # num_epochs依赖局部变量，必须初始化
        coord = tf.train.Coordinator()
        threads = tf.train.start_queue_runners(coord=coord)
        try:
            for _ in range(5):
                l, img = sess.run([label, image])
                print(f"Label shape: {l.shape}, Image shape: {img.shape}")
        except tf.errors.OutOfRangeError:
            print("已读取完所有样本")
        finally:
            coord.request_stop()
            coord.join(threads)

# 替换成你的TFRecord路径
check_tfrecord("your_tfrecord_file.tfrecord")

5. 不要遗漏局部变量初始化
   如果你的代码里用到了num_epochs这类依赖局部变量的组件，只初始化全局变量是不够的，需要加上session.run(tf.local_variables_initializer())，否则队列可能无法正常工作。

内容的提问来源于stack exchange，提问作者Xander May