Tensorflow中的变量初始化错误

yhxst69z  于 2023-01-05  发布在  其他
关注(0)|答案(3)|浏览(187)

我正在学习TensorFlow教程并运行以下代码,但遇到了变量初始化错误:

num_points = 1000
vectors_set = []
for i in range(num_points):
         x1= np.random.normal(0.0, 0.55)
         y1= x1 * 0.1 + 0.3 + np.random.normal(0.0, 0.03)
         vectors_set.append([x1, y1])

x_data = [v[0] for v in vectors_set]
y_data = [v[1] for v in vectors_set]
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)

生成的错误消息为:

FailedPreconditionError: Attempting to use uninitialized value Variable_3
     [[Node: Variable_3/read = Identity[T=DT_INT64, _class=["loc:@Variable_3"], _device="/job:localhost/replica:0/task:0/cpu:0"](Variable_3)]]
Caused by op 'Variable_3/read', defined at:
  File "/Users/ayada/anaconda/envs/tensorflow/lib/python3.5/runpy.py", line 184, in _run_module_as_main
    "__main__", mod_spec)
  File "/Users/ayada/anaconda/envs/tensorflow/lib/python3.5/runpy.py", line 85, in _run_code
    exec(code, run_globals)
  File "/Users/ayada/anaconda/envs/tensorflow/lib/python3.5/site-packages/ipykernel/__main__.py", line 3, in <module>
    app.launch_new_instance()
  File "/Users/ayada/anaconda/envs/tensorflow/lib/python3.5/site-packages/traitlets/config/application.py", line 653, in launch_instance
    app.start()
  File "/Users/ayada/anaconda/envs/tensorflow/lib/python3.5/site-packages/ipykernel/kernelapp.py", line 474, in start
    ioloop.IOLoop.instance().start()
  File "/Users/ayada/anaconda/envs/tensorflow/lib/python3.5/site-packages/zmq/eventloop/ioloop.py", line 162, in start
    super(ZMQIOLoop, self).start()

有人能告诉我如何纠正这一点吗?

w6lpcovy

w6lpcovy1#

可爱的......一个崩溃的自白,而不是一个错误消息。我怀疑你的设置中有什么东西让你的一个正式的TF变量挂起了,可能是一个单字母的名字。为了调试,我建议你在每次初始化之后插入一个简单的print语句来报告计算的值,或者至少报告变量类型描述符。例如:

x_data = [v[0] for v in vectors_set]
y_data = [v[1] for v in vectors_set]
print (x_data, y_data)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
print (W)
b = tf.Variable(tf.zeros([1]))
print(b)
...

这不仅将跟踪数据值,而且当程序再次崩溃时,您将跟踪它的死亡位置--更多的信息是您从上面的堆栈跟踪中没有得到的。
是的,这是肮脏和低技术...但它会让你得到一个解决方案一样快,我知道任何其他,除非你有你的调试器已经启动了这个程序。

ojsjcaue

ojsjcaue2#

您正在ipython笔记本中运行,最好始终像这样限定图的构造和会话示例化的范围:

g = tf.Graph()
with g.as_default():
  ... build your graph ..

with tf.Session() as sess:
  sess.run(...)

这将防止将相同的变量添加到默认图形中,并保证您始终拥有相同的图形。
要进一步了解问题:
如果您多次运行一个单元格,例如

a = tf.Variable()

它每次都会在tf.default_graph()中创建一个 NEW 变量。
作用域将通过每次创建一个 * 新图 * 来防止这种情况。

k5ifujac

k5ifujac3#

问题出在**tf.initialize_all_variables()**这一行。该方法已被弃用,并在2017年3月2日之后被删除。
因为它已被弃用,这意味着变量实际上没有初始化。

试试这个

init = tf.global_variables_initializer()
sess.run(init)

只有TensorFlow v1(TF1)需要初始化变量。请考虑使用TF2,因为变量在创建时会立即初始化。

相关问题