Python，Tensorflow -变量未初始化
Python，Tensorflow -变量未初始化
提问于 2018-07-13 07:29:15
前言:我正在尝试为CIFAR10数据库(图像识别)创建一个模型，但由于某种原因，培训似乎什么也做不了。在另一个线程中，有人帮助我得出结论，我的权重没有改变，也没有被初始化，这可能会导致问题的“不改变”部分。
我尝试用tf.truncated_normal函数初始化权重，用tf.zeros函数初始化权重。我创建了一些函数来使我的代码更容易阅读：
# Creates a weight variable
def weight(shape):
initial = tf.truncated_normal(shape, stddev=0.01)
return tf.Variable(initial)
# Creates a bias variable
def bias(shape):
initial = tf.zeros(shape=shape)
return tf.Variable(initial)
# Creates a FCL
def hiddenLayer(prev, prev_size, size):
W = weight([prev_size, size])
B = bias([size])
S = tf.nn.relu(tf.matmul(prev, W) + B)
return W, B, S
# Creates the output layer (same but with softmax)
def outputLayer(prev, prev_size, size):
W = weight([prev_size, size])
B = bias([size])
S = tf.nn.softmax(tf.matmul(prev, W) + B)
return W, B, S但是，变量没有被初始化(因为我在训练之前尝试打印变量时总是得到相应的错误)。因此，我认为这可能与函数和变量的返回有关，所以我在main函数中编写了所有这些乱七八糟的东西(我认为这是常见的(？))：
# Layer 1
W1 = tf.Variable(tf.truncated_normal([data_size, l1_size], stddev=0.01))
B1 = tf.Variable(tf.zeros([l1_size]))
S1 = tf.nn.relu(tf.matmul(data, W1) + B1)
# Layer 2
W2 = tf.Variable(tf.truncated_normal([l1_size, l2_size], stddev=0.01))
B2 = tf.Variable(tf.zeros([l2_size]))
S2 = tf.nn.relu(tf.matmul(S1, W2) + B2)
# Output Layer
W3 = tf.Variable(tf.truncated_normal([l2_size, output_size], stddev=0.01))
B3 = tf.Variable(tf.zeros([output_size]))
result = tf.nn.softmax(tf.matmul(S2, W3) + B3)但是错误不断地出现：
Traceback (most recent call last):
File "C:\...\model.py", line 89, in <module>
main()
File "C:\...\model.py", line 69, in main
print(sess.run(B3, feed_dict={data: batch_data, labels: batch_labels}) * 100, "%")
...
tensorflow.python.framework.errors_impl.FailedPreconditionError: Attempting to use
uninitialized value Variable_5
...请记住，这个错误显示为Variable_5，当我尝试输出W3而不是B3时，我得到了相同的错误，但对于Variable_4，这是有意义的，因为它是在B3之前创建的。这意味着它不是关于特定变量的东西，这是针对所有变量的。我是不是遗漏了什么？
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-07-13 07:36:38
在使用TensorFlow Session对象执行变量之前，必须初始化所有变量。tf.global_variables_initializer()方法初始化图中的所有全局可训练变量，这些变量是机器的局部变量。然而，方法tf.local_variables_initializer初始化在分布式环境中共享的所有变量。同时运行两者是一个很好的做法。请看示例：
with tf.Session() as sess:
# initialize all variables
tf.global_variables_initializer().run()
tf.local_variables_initializer().run()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51315784
复制相关文章
相似问题