tf.initialize_variables（）不方便 - FailedPreconditionError tensorflow

Question

我想tensorflow使用tf.initialize_variables()與特定列表變量能夠初始化。因此，爲了測試我想這樣的話，但它失敗：

sess.run(tf.initialize_variables(tf.all_variables())) 

與錯誤：

tensorflow.python.framework.errors.FailedPreconditionError: Attempting to use uninitialized value Layer_0/Initialize_Variables/weights 

什麼是真的怪我，是它的工作原理是這樣的：

sess.run(tf.initialize_variables([tf.all_variables()[0]])) 
sess.run(tf.initialize_variables([tf.all_variables()[1]])) 
sess.run(tf.initialize_variables([tf.all_variables()[2]])) 
... 

所以，如果我創造我自己的，我要初始化變量列表同樣的情況。可能我誤解了張量流機制的某些部分。有任何想法嗎？如果我不必爲每個變量使用循環，我會很高興。

Answer 1

很難說沒有看到代碼，但我的猜測是，你從另一個變量，這是TensorFlow有點棘手初始化一個變量。例如，我想你正在做這樣的事情：

v_1 = tf.Variable(...) 
v_2 = tf.Variable(v_1) 

，如果你嘗試做sess.run(tf.initalize_all_variables())，因爲它會嘗試初始化並行v_1和v_2這將失敗，但v_2初始化將失敗（因爲其輸入目前未初始化）。

如果您遍歷tf.all_variables()列表中增加的順序，它會工作，因爲v_1被添加到列表v_2之前，因此運行順序的東西會造成v_1到v_2之前被初始化。 （在猜測，如果你在相反爲了遍歷tf.all_variables()，它會失敗，類似的錯誤。）

解決方法是有點微妙：任何時候你從另一個變量v_1初始化變量v_2，你應該使用v_1.initialized_value()作爲參數v_2的構造：

v_1 = tf.Variable(...) 
v_2 = tf.Variable(v_1.initialized_value()) 

使用v_1.initialized_value將兩個初始化之間的控制依賴，使v_1是v_2之前進行初始化，即使你嘗試初始化它們並行。