预训练有问题

[AnnaXiong]

D:\SOFTWARE\Anaconda3\lib\site-packages\h5py__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from float to np.floating is deprecated. In future, it will be treated as np.float64 == np.dtype(float).type. from ._conv import register_converters as _register_converters Using TensorFlow backend. Found 0000368 files with 00003 different speakers.

程序运行到这就不动了，我是win7 64位的系统，用的Python3.6，请问你知道这是什么原因吗

[Walleclipse]

你好，目前看起来这只是警告，没有错误，应该可以继续运行。 有可能运行太慢了，你运行的是 pretraining.py 么？ 你可以再等等，或者debug 运行每一行试试。

[AnnaXiong]

是运行的pretrainning.py，都几个小时了，还是一动不动的。我之前有调试过，然后再往下走到 103 x_test, y_test = testloader.next() 这句，它就成我之前说的那样了

[AnnaXiong]

我步入 103 x_test, y_test = testloader.next() ，进入def batchTestImageLoader(test_data, labels_to_id, no_of_speakers, batch_size=c.BATCH_SIZE * c.TRIPLET_PER_BATCH): paths = test_data L = len(paths) while True: np.random.shuffle(paths) batch_start = 0 batch_end = batch_size

    while batch_end < L:
        x_test_t, y_test_t = loadFromList(paths, batch_start, batch_end, labels_to_id, no_of_speakers)
        yield (x_test_t, y_test_t)
        batch_start += batch_size
        batch_end += batch_size

，然后就是进入了while True死循环了，因为不管怎样，batch_end = L

[Walleclipse]

这里哪怕是死循环也没有问题。因为这里有 yield函数，每次调用 next的时候它才会运行。你可以看一下 相关介绍.
这段代码 batchTestImageLoader的作用就是，构造 batch 喂给网络，我也不知道为什么你的程序就运行不了，你可以改写成没有 yield 的形式，每一次从数据头构造batch试试。

[AnnaXiong]

batchTestImageLoader 进入死循环的话，就不会有x_test_t, y_test_t的返回值，直接在这个条件while batch_end < L: 上加个等号就行， 但 while batch_end < L: x_test_t, y_test_t = loadFromList(paths, batch_start, batch_end, labels_to_id, no_of_speakers) yield (x_test_t, y_test_t) batch_start += batch_size batch_end += batch_size 后两句有问题，假如batch_size=10，L（数据总长度）=16，下一次使用next ， 从yield后面一句开始运行，batch_start=10， batch_end=20，使用loadFromList，测试数据的后面几个值不就索引不了吗

[Walleclipse]

你好， -- 测试数据的后面几个值不就索引不了吗？ 是的，在这一轮后面几个值就无法返回，但是这段代码上面有 np.random.shuffle(paths)这样一句话，意思就是 当 batch_end >= L 以后，重新随机排序数据paths， 之前那次排在靠后的数据，这次可能就在前面了，就可以被返回了。当然数据很少的时候这样做是不太对的，因为每次测试的数据不太一样，但是数据量很大的时候，每次只会去掉小部分数据，影响不大。