Question

我尝试使用tf.metrics子模块中的函数（例如tf.metrics.accuracy(y_labels, y_predicted)和精确或召回的等效项）为CNN的训练代码添加一些额外的测量值。这与他们的大多数教程相反，他们提出了令人费解的内容：

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

我的实现用以下内容替换了这一行：

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

现在，即使我在sess.run(tf.initialize_all_variables())块中执行with tf.Session() as sess:，但在尝试使用tf.metrics.accuracy函数时仍会出现以下错误：

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，如精确度，召回等，而无需手动执行。

Answer 1

TL; DR：在会话开始时添加以下行：

sess.run(tf.local_variables_initializer())

混淆源于（作为frankyjuang points out）已弃用的tf.initialize_all_variables()函数的名称。此功能部分被弃用，因为它被错误命名：它实际上并未初始化所有变量，而只是初始化全局（不是本地）变量。根据{{3}}函数的文档（强调添加）：

accuracy函数会创建两个本地变量，total和count，用于计算predictions匹配的频率{{ 1}}。

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

Answer 2

sess.run(tf.initialize_all_variables())已被弃用。

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

参考

根据tf.initialize_all_variables的文件，

此功能已被弃用。它将在2017-03-02之后删除。更新说明：改为使用tf.global_variables_initializer。

使用tf.metric模块中的变量时TensorFlow FailedPreconditionError

2 个答案:

参考