如何使用谓词函数过滤存储在队列中的数据？例如，假设我们有一个存储特征张量和标签的队列，我们只需要那些满足谓词的。我尝试了以下实现但没有成功：
feature, label = queue.dequeue()
if (predicate(feature, label)):
enqueue_op = another_queue.enqueue(feature, label)
【问题讨论】：
标签： tensorflow
最直接的方法是使批次出队，通过谓词测试运行它们，使用tf.where 生成与谓词匹配的密集向量，并使用tf.gather 收集结果，并将该批次排入队列。如果您希望自动发生这种情况，您可以在第二个队列上启动队列运行器 - 最简单的方法是使用 tf.train.batch：
例子：
import numpy as np
import tensorflow as tf
a = tf.constant(np.array([5, 1, 9, 4, 7, 0], dtype=np.int32))
q = tf.FIFOQueue(6, dtypes=[tf.int32], shapes=[])
enqueue = q.enqueue_many([a])
dequeue = q.dequeue_many(6)
predmatch = tf.less(dequeue, [5])
selected_items = tf.reshape(tf.where(predmatch), [-1])
found = tf.gather(dequeue, selected_items)
secondqueue = tf.FIFOQueue(6, dtypes=[tf.int32], shapes=[])
enqueue2 = secondqueue.enqueue_many([found])
dequeue2 = secondqueue.dequeue_many(3) # XXX, hardcoded
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
sess.run(enqueue) # Fill the first queue
sess.run(enqueue2) # Filter, push into queue 2
print sess.run(dequeue2) # Pop items off of queue2
谓词产生一个布尔向量； tf.where 生成真实值索引的密集向量，tf.gather 根据这些索引从原始张量中收集项目。
在这个例子中，很多东西都是硬编码的，当然，你需要在现实中进行非硬编码，但希望它显示你正在尝试做的事情的结构（创建一个过滤管道）。在实践中，您希望 QueueRunners 在那里保持自动搅动。使用tf.train.batch 对自动处理该问题非常有用——请参阅Threading and Queues 了解更多详细信息。
【讨论】：