TensorFlow报错Attempting to use uninitialized value beta1_power_18 求解决方案

这个错误的核心原因是TensorFlow中的变量（包括优化器内部维护的变量，比如Adam的beta1_power、beta2_power）没有被正确初始化。你代码里只创建了InteractiveSession，但没有执行变量初始化的操作，导致运行时这些变量还未被赋值就被调用了。

具体解决方案 #

在创建会话之后，必须添加全局变量初始化的操作，确保所有变量（包括你定义的网络权重、偏置，以及优化器自动生成的内部变量）都被正确初始化：

修正后的代码示例

import tensorflow as tf
import numpy as np

class Model:
    def __init__(self, input_neuron=2, hidden_neuron=10, output_neuron=2):
        self.input_neuron = input_neuron
        self.hidden_neuron = hidden_neuron
        self.output_neuron = output_neuron
        self.x = tf.placeholder(tf.float32, [None, self.input_neuron])
        self.y = tf.placeholder(tf.float32, [None, self.output_neuron])
        self.model = self.graph()
        self.sess = tf.InteractiveSession()
        # 关键步骤：初始化所有全局变量
        self.sess.run(tf.global_variables_initializer())

    def graph(self):
        # 示例网络结构，可根据你的实际代码调整
        w1 = tf.Variable(tf.random_normal([self.input_neuron, self.hidden_neuron]))
        b1 = tf.Variable(tf.zeros([self.hidden_neuron]))
        hidden = tf.nn.relu(tf.matmul(self.x, w1) + b1)
        
        w2 = tf.Variable(tf.random_normal([self.hidden_neuron, self.output_neuron]))
        b2 = tf.Variable(tf.zeros([self.output_neuron]))
        output = tf.matmul(hidden, w2) + b2
        
        # 若使用Adam优化器，会自动生成beta1_power等内部变量，这些也需要初始化
        loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=output, labels=self.y))
        optimizer = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)
        return output

原理说明 #

tf.global_variables_initializer()会遍历TensorFlow图中所有的全局变量（包括你手动定义的Variable，以及优化器如AdamOptimizer创建的辅助变量），并为它们分配预设的初始值。只有执行了这个操作，后续的模型计算才能正常调用这些变量。

内容的提问来源于stack exchange，提问作者ashukid