在 Tensorflow 尝试使用未初始化

小开

出现 FailedPreconditionError是因为程序试图在初始化变量之前读取它(名为 "Variable_1")。在 TensorFlow 中，所有变量都必须通过运行它们的“初始化器”操作来显式初始化。为了方便起见，您可以通过在训练循环之前执行以下语句来运行当前会话中的所有变量初始化器:

tf.initialize_all_variables().run()

请注意，这个答案假设您正在使用 tf.InteractiveSession，与本问题一样，它允许您在不指定会话的情况下运行操作。对于非交互式用途，更常用的方法是使用 tf.Session，并按以下方式进行初始化:

init_op = tf.initialize_all_variables()


sess = tf.Session()
sess.run(init_op)

小开

不推荐使用 tf.initialize_all_variables()。而是使用以下方法初始化张量流变量:

tf.global_variables_initializer()

一个常见的例子是:

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

小开

从官方文件，失败预处理错误

此异常通常在运行以下操作时引发在初始化之前读取 tf 变量。

在您的例子中，错误甚至解释了哪个变量没有被初始化: Attempting to use uninitialized value Variable_1。TF 教程之一解释了很多关于变量的内容，它们的创建/初始化/保存/加载

基本上初始化变量有3个选项:

用 tf.global_variables_initializer()初始化所有全局变量
使用 tf.variables_initializer(list_of_vars)初始化您关心的变量。注意，您可以使用这个函数来模拟 global _ variable _ initializer: tf.variable_initializers(tf.global_variables())
只用 var_name.initializer初始化一个变量

我几乎总是用第一种方法。记住，应该将它放在会话运行中。所以你会得到这样的结果:

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

如果您对变量的更多信息感兴趣，请阅读这份文件以了解如何使用 report_uninitialized_variables并检查 is_variable_initialized。

小开

我从一个完全不同的案例中得到了这个错误消息。似乎是张量流中的异常处理程序引发了它。您可以在“追溯”中检查每一行。在我的例子中，它发生在 tensorflow/python/lib/io/file_io.py中，因为这个文件包含一个不同的 bug，其中没有初始化 self.__mode和 self.__name，它需要调用 self._FileIO__mode，而调用 self_FileIO__name。

小开

不同的用例，但是将你的会话设置为默认会话对我来说很有用:

with sess.as_default():
result = compute_fn([seed_input,1])

一旦你解决了这个问题，这个错误就显而易见了。

我的用例如下:
1)将 Keras VGG16存储为张量流图
2)以 VGG16为图形载入工具
3)在图上运行 tf 函数，得到:

FailedPreconditionError: Attempting to use uninitialized value block1_conv2/bias
[[Node: block1_conv2/bias/read = Identity[T=DT_FLOAT, _class=["loc:@block1_conv2/bias"], _device="/job:localhost/replica:0/task:0/device:GPU:0"](block1_conv2/bias)]]
[[Node: predictions/Softmax/_7 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_168_predictions/Softmax", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

小开

当我在启动 tf.train.string_input_producer()和 tf.train.batch()之前初始化局部变量时，协调器解决了这个问题。当我在启动协调器之后初始化局部变量时，我已经得到了这个错误。

小开

失败预处理错误出现是因为会话试图读取一个尚未初始化的变量。

从 张量流1.11.0版本开始，你需要这样做:

init_op = tf.global_variables_initializer()


sess = tf.Session()
sess.run(init_op)

小开

在使用变量之前，必须对它们进行初始化

如果你尝试在初始化变量之前计算它们，你会遇到: FailedPreconditionError: Attempting to use uninitialized value tensor.

最简单的方法是使用 tf.global_variables_initializer()一次初始化所有变量

init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)

可以使用 sess.run(init)运行初始化程序，而不获取任何值。

若要仅初始化变量的子集，请使用 tf.variables_initializer()列出变量:

var_ab = tf.variables_initializer([a, b], name="a_and_b")
with tf.Session() as sess:
sess.run(var_ab)

还可以使用 tf.Variable.initializer分别初始化每个变量

# create variable W as 784 x 10 tensor, filled with zeros
W = tf.Variable(tf.zeros([784,10])) with tf.Session() as sess:
sess.run(W.initializer)

小开

在最近的 TensorFlow 构建中，可能发生了一些变化，因为对我来说，运行

sess = tf.Session()
sess.run(tf.local_variables_initializer())

在适合任何模型之前似乎都可以做到这一点。大多数旧的例子和评论似乎建议 tf.global_variables_initializer()。

小开

Tensorflow 2.0兼容答案 : 在 Tensorflow Version > = 2.0中，如果我们使用图形模式，初始化所有变量，修复 FailedPreconditionError的命令如下所示:

tf.compat.v1.global_variables_initializer

这只是 variables_initializer(global_variables())的一条捷径

它返回一个在图中初始化全局变量的 OP。

小开

对于张量流版本 > 3.2，您可以使用以下命令:

x1 = tf.Variable(5)
y1 = tf.Variable(3)


z1 = x1 + y1


init = tf.compat.v1.global_variables_initializer()
with tf.compat.v1.Session() as sess:
init.run()
print(sess.run(z1))

输出: 8 将会显示。