使用 tf.metric 模块中的变量时出现 TensorFlow FailedPreconditionError [重复]

Question

我尝试通过利用 tf.metrics 子模块中的函数（例如 tf.metrics.accuracy(y_labels, y_predicted) 和用于精度或召回率的等效项）向我的 CNN 训练代码添加一些额外的测量值。这与他们建议的大多数教程相反：

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

而我的实现将这一行替换为：

accuracy = tf.metrics.accuracy(y_labels, y_predicted)

现在，即使我在 with tf.Session() as sess: 块中执行 sess.run(tf.initialize_all_variables())，尝试使用 tf.metrics.accuracy 函数时仍然收到以下错误：

FailedPreconditionError (see above for traceback): Attempting to use uninitialized value performance/accuracy/count
 [[Node: performance/accuracy/count/read = Identity[T=DT_FLOAT, _class=["loc:@performance/accuracy/count"], _device="/job:localhost/replica:0/task:0/cpu:0"](performance/accuracy/count)]]

最值得注意的是，用 accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 替换 accuracy = tf.metrics.accuracy(y_labels, y_predicted) 行可以解决问题，但是，我想在不手动执行的情况下实现其他指标，例如精度、召回率等。

Answer 1

TL;DR：在会话开头添加以下行：

sess.run(tf.local_variables_initializer())

---

混淆源于（如frankyjuang points out）已弃用的tf.initialize_all_variables() 函数的名称。这个函数被弃用的部分原因是它的名字有误：它实际上并没有初始化 all 变量，而是只初始化 global（不是 local ) 变量。 根据tf.metrics.accuracy() 函数的文档（强调添加）：

accuracy 函数创建两个本地 变量total 和count，用于计算predictions 匹配labels 的频率。

因此，您需要为局部变量添加显式初始化步骤，可以使用tf.local_variables_initializer() 来完成，如上所述。

Answer 2

sess.run(tf.initialize_all_variables()) 已弃用。

请改用sess.run(tf.global_variables_initializer()) 来解决您的问题。

参考

根据tf.initialize_all_variables的文档，

此功能已弃用。它将在 2017-03-02 之后删除。更新说明：改用 tf.global_variables_initializer。