TensorFlow线性回归代码运行报FailedPreconditionError找不到weights变量

• 变量初始化顺序错误：现有代码先执行tf.compat.v1.initialize_all_variables().run()初始化变量，之后才通过loss()、train()方法创建W、b等模型变量，等于初始化时变量还未生成，自然会触发未初始化报错。
• 多余的队列操作代码：输入数据直接从Python列表转换为张量，没有用到队列输入逻辑，start_queue_runners相关代码完全冗余，删除即可消除对应警告。
• 重复创建未初始化变量：evaluate方法中重复调用inference会生成新的W、b变量，这些新变量也未经过初始化，会进一步触发找不到变量的报错。

以下是可直接运行的完整修复代码：

import tensorflow as tf
# TF2环境下运行TF1.x静态图语法需要先关闭eager执行
tf.compat.v1.disable_eager_execution()

# 提前定义模型变量，避免每次调用inference重复生成新变量
W = tf.Variable(tf.zeros([2, 1]), name="weights")
b = tf.Variable(0., name="bias")
def inference(X):
    return tf.linalg.matmul(X, W) + b

def inputs():
    weight_age = [[84, 46], [73, 20], [65, 52], [70, 30], [76, 57], [69, 25], [63, 28], [72, 36], [79,57], [75,44], [27,24], [89,31], [65,52], [57,23], [59,60], [69,48], [60,34], [79,51], [75,50], [82,34], [59,46], [67,23], [85,37], [55, 40], [63,30]]
    blood_fat_content = [354, 190, 405, 263, 451, 302, 288, 385, 402, 365, 209, 290, 346, 254, 395, 434, 220, 374, 308, 220, 311, 181, 274, 303, 244]
    return tf.compat.v1.to_float(weight_age), tf.compat.v1.to_float(blood_fat_content)

def train(total_loss):
    learning_rate = 0.0000001
    return tf.compat.v1.train.GradientDescentOptimizer(learning_rate).minimize(total_loss)

def evaluate(sess):
    print(sess.run(inference([[80., 25.]])))
    print(sess.run(inference([[65., 25.]])))

def loss(X, Y):
    Y_predicted = inference(X)
    return tf.math.reduce_sum(tf.math.squared_difference(Y_predicted, Y))

with tf.compat.v1.Session() as sess:
    X, Y = inputs()
    total_loss = loss(X, Y)
    train_op = train(total_loss)
    # 变量初始化必须放在所有计算图节点、变量定义完成之后
    tf.compat.v1.initialize_all_variables().run()
    training_steps = 1000
    for step in range(training_steps):
        sess.run([train_op])
        if step % 10 == 0:
            print("loss: ", sess.run([total_loss]))
    evaluate(sess)
    sess.close()

• 开头添加tf.compat.v1.disable_eager_execution()，兼容TF2环境下运行TF1.x静态图语法
• 将W、b变量提取为全局定义，避免每次调用inference生成新的未初始化变量
• 调整变量初始化的位置，放到所有变量、计算图节点定义完成之后
• 删除所有队列相关的冗余代码，消除对应警告

内容的提问来源于stack exchange，提问作者Trần Vỹ Khang