最近读取TFRecord文件出现问题，每次运行代码的时候，一开始，读取的队列就出现问题，然后退出了程序，具体的报错信息为：

OutOfRangeError: RandomShuffleQueue ‘_1_shuffle_batch/random_shuffle_queue’ is closed and has insufficient elements (requested 64, current size 0)

大致的意思就是，在获取第一个batch的64个数据的时候，队列就关闭了，并且队列中没有存储数据。可以确认，应该是读取数据出现问题，

1.首先要确保队列的启动：

coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=self.sess, coord=coord)

2.读取TFRecord的阅读器tf.TFRecordReader需要与TFRecord的数据相匹配

tf.TFRecordReader在初始化中有options的选项，对应的是TFRecord的options的选项，也就是指定压缩选项：

__init__(
 name=None,
 options=None)

Create a TFRecordReader.
Args:
name: A name for the operation (optional).
options: A TFRecordOptions object (optional).
比如在创建TFRecord文件的时候使用的代码是：

writer= tf.python_io.TFRecordWriter(path=record_name, options=tf.python_io.TFRecordOptions(1))

example = tf.train.Example(
    features=tf.train.Features(
        feature = {
             "label":tf.train.Feature(int64_list=tf.train.Int64List(value=label)),
             'img_raw':tf.train.Feature(bytes_list=tf.train.BytesList(value=[img]))
         }
 ))

writer.write(example.SerializeToString())

那么在读取TFRecord文件的时候使用的代码配置如下：

file_queue = tf.train.string_input_producer([record_name])

reader = tf.TFRecordReader(options=tf.python_io.TFRecordOptions(1))

_, serialized_example = reader.read(file_queue)

注意TFRecordWriter和TFRecordReader中options的选项一致，如果默认没有设置的话，都是None

3.确保读取过程中不会出现其他问题，导致读取出错致使队列退出
这个问题很泛，其实官方给出的使用队列读取文件或者是读取TFRecord的数据中，先从TFRecord文件中parse出example，然后通过batch,batch_join或者shuffle_batch,shuffle_batch_join来获得一个获取批次数据的接口，并推荐在batch之前，对于获取的单个example做处理（比如resize，reshape之类的），不过经过测试发现，这一系列的处理，只要有错误（比如reshape指定的size无法达到等等），都会导致队列退出，并且不报其他任何异常，因此检查上述队列退出的问题，一定要从获取单个example开始检查，到batch的队列生成之前，这段的所有处理都要求是正确的，这一般包括：文件读取，文件解析，文件处理，文件队列设定等等部分

出现上述问题难以查找，这块问题出在Tensorflow的队列设计中，队列使用的文档中说明，队列内部会自行处理错误与异常，这就导致了与队列相关的，数据读取的异常处理被封装在了队列内部，外层很难获取其具体的信息，只能看到最终队列由于内部发生了异常，导致队列抛出处理后的异常，从而停止了工作，但这样丢失了原始的错误信息，调试起来相当麻烦，因而现在新的Tensorflow的版本中，已经不再更新维护原来的队列读取这套流程了。

如果觉得本文对你有帮助的话，不妨扫码请笔者喝杯茶

image