使用 tf.metric 模块中的变量时出现 TensorFlow FailedPreconditionError
TensorFlow FailedPreconditionError when using variables from the tf.metric module
我试图通过使用 tf.metrics 子模块中的函数（例如 tf.metrics.accuracy(y_labels, y_predicted) 和精确度或召回率等价物）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形成鲜明对比：
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
而我的实现将此行替换为：
accuracy = tf.metrics.accuracy(y_labels, y_predicted)
现在，即使我在 with tf.Session() as sess: 块中执行了 sess.run(tf.initialize_all_variables())，我在尝试使用 tf.metrics.accuracy 函数时仍然遇到以下错误：
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，将 accuracy = tf.metrics.accuracy(y_labels, y_predicted) 行替换为 accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 可以解决问题，但是，我想实现其他指标，例如精度、召回率等，而无需手动执行。
sess.run(tf.initialize_all_variables()) 已弃用。
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，
THIS FUNCTION IS DEPRECATED. It will be removed after 2017-03-02. Instructions for updating: Use tf.global_variables_initializer instead.
TL;DR: 在会话开头添加以下行：
sess.run(tf.local_variables_initializer())
混淆来自（如）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被错误命名：它实际上并没有初始化 all 变量，而是它只初始化 global （不是 local) 变量。
根据 tf.metrics.accuracy() 函数的文档（重点添加）：
The accuracy function creates two local variables, total and count that are used to compute the frequency with which predictions matches labels.
因此您需要为局部变量添加一个显式初始化步骤，这可以使用 tf.local_variables_initializer() 完成，如上所述。
我试图通过使用 tf.metrics 子模块中的函数（例如 tf.metrics.accuracy(y_labels, y_predicted) 和精确度或召回率等价物）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形成鲜明对比：
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
而我的实现将此行替换为：
accuracy = tf.metrics.accuracy(y_labels, y_predicted)
现在，即使我在 with tf.Session() as sess: 块中执行了 sess.run(tf.initialize_all_variables())，我在尝试使用 tf.metrics.accuracy 函数时仍然遇到以下错误：
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，将 accuracy = tf.metrics.accuracy(y_labels, y_predicted) 行替换为 accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 可以解决问题，但是，我想实现其他指标，例如精度、召回率等，而无需手动执行。
sess.run(tf.initialize_all_variables()) 已弃用。
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，
THIS FUNCTION IS DEPRECATED. It will be removed after 2017-03-02. Instructions for updating: Use tf.global_variables_initializer instead.
TL;DR: 在会话开头添加以下行：
sess.run(tf.local_variables_initializer())
混淆来自（如tf.initialize_all_variables()函数的名称。这个函数被弃用的部分原因是它被错误命名：它实际上并没有初始化 all 变量，而是它只初始化 global （不是 local) 变量。
根据 tf.metrics.accuracy() 函数的文档（重点添加）：
The
accuracyfunction creates two local variables,totalandcountthat are used to compute the frequency with whichpredictionsmatcheslabels.
因此您需要为局部变量添加一个显式初始化步骤，这可以使用 tf.local_variables_initializer() 完成，如上所述。