如何对齐两个tf.RandomShuffleQueue以保证输入与标签匹配？

你遇到的问题其实很典型——两个独立的RandomShuffleQueue会各自独立地随机打乱队列内的数据，它们之间没有任何同步机制，所以输入和标签的对应关系自然就被破坏了。而FIFOQueue是按顺序出队，所以两个队列的顺序能保持一致，但换成随机队列就不行了。

正确的解决思路：把输入和标签打包进同一个队列 #

不要分开维护输入队列和标签队列，应该把每个输入对应的标签打包成一个整体（比如一个tuple），然后将这个整体存入同一个RandomShuffleQueue中。这样队列在随机打乱时，会对整个（输入，标签）样本进行打乱，确保出队时输入和标签始终是一一对应的。

修改后的代码示例 #

import tensorflow as tf

# 把输入和标签打包成一个整体，存入同一个RandomShuffleQueue
queue = tf.RandomShuffleQueue(
    capacity=50,
    min_after_dequeue=2,
    dtypes=["int32", "int32"],
    shapes=[(), ()]
)

# 同时入队输入和标签的批量数据
input_data = range(5)
label_data = range(5)
enqueue_op = queue.enqueue_many((input_data, label_data))

# 同时出队一组输入和标签
input_res, label_res = queue.dequeue_many(10)

with tf.Session() as sess:
    # 填充队列
    for _ in range(10):
        sess.run(enqueue_op)
    # 获取结果
    print(sess.run([input_res, label_res]))

为什么这个方法有效？ #

当你把输入和标签作为一个单元存入队列时，队列的随机打乱操作是针对整个单元进行的。也就是说，不管怎么打乱，每个输入始终和它对应的标签绑定在一起，出队的时候自然就能保持对齐了。

而你之前的做法中，两个RandomShuffleQueue各自独立随机出队，相当于两个完全不相关的随机序列，当然没法保证输入和标签的对应关系啦。

内容的提问来源于stack exchange，提问作者partida