TensorFlow打印变量报错：Variable已存在问题求助

首先，这个报错的核心原因是TensorFlow的计算图没有被重置——哪怕你在Spyder里清除了Python层面的变量，TensorFlow的默认计算图里已经存在名为"my_int_variable"的变量节点了，再次调用tf.get_variable()时就会触发冲突。

给你几个实用的解决办法：

方法1：每次运行代码前重置默认计算图 #

在导入TensorFlow之后先重置默认图，确保每次运行都是全新的计算环境：

import tensorflow as tf

# 重置默认计算图，清除之前的节点记录
tf.reset_default_graph()

# 定义变量（注意补全initializer的括号）
my_int_variable = tf.get_variable("my_int_variable", [1, 2, 3], dtype=tf.int32, initializer=tf.zeros_initializer())

# 运行会话打印变量
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(my_int_variable))

方法2：使用变量作用域开启复用模式（适合需要复用变量的场景） #

如果你确实需要在同一个计算图里复用该变量，可以通过变量作用域开启自动复用：

import tensorflow as tf

with tf.variable_scope("my_var_scope", reuse=tf.AUTO_REUSE):
    my_int_variable = tf.get_variable("my_int_variable", [1, 2, 3], dtype=tf.int32, initializer=tf.zeros_initializer())

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(my_int_variable))

方法3：重启Spyder内核 #

如果上面的方法都没生效，直接重启Spyder的Python内核（菜单栏选择Kernel -> Restart），这样会彻底清除所有之前的计算图和变量状态，从头开始运行代码。

另外注意你的代码里tf.zeros_initiali是拼写错误，应该补全为tf.zeros_initializer()哦。

内容的提问来源于stack exchange，提问作者notnotundefined