Как я могу обработать переменную неинициализированную ошибку в tenorflow v2

Question

Я пытался написать python скриптов для достижения передачи стиля, в основном с использованием керас. Но я застрял на ошибке.

W tensorflow/core/common_runtime/base_collective_executor.cc:217] BaseCollectiveExecutor::StartAbort Failed precondition: Error while reading resource variable _AnonymousVar124 from Container: localhost. This could mean that the variable 
was uninitialized. Not found: Resource localhost/_AnonymousVar124/class tensorflow::Var does not exist.
         [[{{node loss/block5_pool_loss/dummy_loss/weighted_loss/ExpandDims/ReadVariableOp}}]]

tensorflow.python.framework.errors_impl.FailedPreconditionError:  Error while reading resource variable _AnonymousVar124 from Container: localhost. This could mean that the variable was uninitialized. Not found: Resource localhost/_AnonymousVar124/class tensorflow::Var does not exist.
         [[node loss/block5_pool_loss/dummy_loss/weighted_loss/ExpandDims/ReadVariableOp (defined at D:\Tool\python3\lib\site-packages\keras\backend\tensorflow_backend.py:3009) ]] [Op:__inference_keras_scratch_graph_16987]Function call stack:
keras_scratch_graph

Показаны ошибки. Я искал это, и многие люди говорили, что я должен использовать это для инициализации переменных. Но эта утилита устарела.

init = tf.initialize_all_variables()

И я нашел, что кто-то еще сказал, что я должен использовать это. Хотя он работает, для его запуска нужны сеансы. Однако в тензорном потоке v2 сеанса нет.

init = tf.compat.v1.initialize_all_variables()

Интересно, как я могу исправить эту ошибку.

Answer 1

Кажется, что код написан с использованием Tensorflow 1 .

Так же, как и при использовании init = tf.compat.v1.initialize_all_variables(), есть также версия для компата Переменная сеанса .

sess = tf.compat.v1.Session()

Вы можете прочитать больше о библиотека компатов или функции Tensorflow 1, которые импортированы в Tensorflow 2 для совместимости .
Но я бы настоятельно рекомендовал перекодировать весь ваш код в Tensorflow 2, чтобы воспользоваться преимуществами оптимизации .

Подробнее о Tensorflow Compat библиотека здесь .