如何根据张量流中的某些谓词从队列中过滤张量？

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和标签张量的队列，我们​​只需要那些满足谓词的张量。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)

最直接的方法是使一批出列，通过谓词测试运行它们，使用tf.where生成与谓词匹配的稠密向量，并使用tf.gather收集结果并将该批次排队。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程序 - 最简单的方法是使用tf.train.batch:

Example:

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；这tf.where产生真实值索引的密集向量，并且tf.gather根据这些索引从原始张量中收集项目。

当然，在这个示例中，很多东西都是硬编码的，您在现实中需要进行非硬编码，但希望它能显示您正在尝试执行的操作的结构（创建过滤管道）。在实践中，您希望 QueueRunners 保持自动运转。使用tf.train.batch自动处理这个问题非常有用——参见线程和队列了解更多详情。