TensorFlow作用域报错：Variable w1_d/Adam/不存在，已尝试方案仍未解决

嘿，我帮你捋捋这个TensorFlow的报错问题——你碰到的ValueError: Variable w1_d/Adam/ does not exist, or was not created with tf.get_variable()，本质是变量作用域和优化器辅助变量的复用逻辑没对齐，而且你之前的解决方案可能没覆盖到优化器的部分。

报错根源分析 #

你在discriminator函数里用tf.get_variable_scope().reuse_variables()来复用变量，但这个操作只覆盖了你手动定义的w1_d、w2_d这类变量。而Adam优化器在训练时，会自动为每个可训练变量创建对应的辅助变量（比如动量变量w1_d/Adam、w1_d/Adam_1），这些变量是优化器初始化时生成的，并没有被纳入你手动设置的作用域复用逻辑里。当你第二次调用判别器（比如训练生成器时复用判别器参数），优化器找不到对应的辅助变量，就会抛出这个错误。

针对性解决方案 #

我给你三个关键的修复步骤，结合你的代码调整：

1. 把变量复用的控制权交给外部variable_scope

不要在discriminator函数内部设置reuse，而是在调用函数时用tf.variable_scope包裹，明确指定作用域和复用规则。这样所有在该作用域下的变量（包括优化器后续生成的辅助变量）都会被统一管理：

# 修改discriminator函数，去掉内部的reuse逻辑
def discriminator(x_data, y_data, drate, is_training, market):
    hidden = 64
    input111 = tf.concat([x_data, y_data, market], 1)
    features = 26
    sdev = np.sqrt(float(1/features))
    w1_d = tf.get_variable("w1_d",[features, hidden],initializer = tf.random_normal_initializer(stddev=sdev))
    sdev = np.sqrt(float(1/hidden))
    weights2_d = tf.get_variable("w2_d", [hidden, hidden], initializer = tf.random_normal_initializer(stddev=sdev))
    # 补全你截断的weights17_d定义
    weights17_d = tf.get_variable("weights17_d", [hidden, 1], initializer = tf.random_normal_initializer(stddev=np.sqrt(1/hidden)))
    # 后续网络层逻辑...

# 第一次调用：创建判别器变量
with tf.variable_scope("discriminator"):
    d_real = discriminator(x_real, y_real, drate, is_training=True, market=market_real)
# 第二次调用：复用判别器变量
with tf.variable_scope("discriminator", reuse=True):
    d_fake = discriminator(x_fake, y_fake, drate, is_training=False, market=market_fake)

2. 延迟优化器定义，确保所有变量已创建

一定要等判别器的所有变量（包括两次调用的复用变量）都创建完成后，再定义优化器，并且用var_list明确指定优化器要更新的变量范围：

# 先计算判别器损失
d_loss = ... # 你的损失计算逻辑，比如交叉熵损失
# 定义优化器，只更新discriminator作用域下的可训练变量
d_optimizer = tf.train.AdamOptimizer(learning_rate=0.0002)
d_train_op = d_optimizer.minimize(
    d_loss, 
    var_list=tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES, scope="discriminator")
)

这样优化器会在所有变量都存在的前提下，创建对应的辅助变量，后续复用判别器时就能找到这些变量了。

3. 检查变量定义的完整性

你的精简代码里weights17_d = tf.get_va...是截断的，要确保所有用tf.get_variable()创建的变量都有完整、正确的定义，拼写错误（比如把tf.get_variable写成tf.get_va）会导致变量未被创建，进而触发类似的找不到变量的报错。

验证逻辑 #

调整后，当第二次调用判别器时，外部的variable_scope(reuse=True)会让该作用域下的所有变量（包括优化器的辅助变量）都被正确复用，不会再出现找不到w1_d/Adam/这类变量的情况。

内容的提问来源于stack exchange，提问作者cfen