TensorFlow 1.2.1变量初始化失败求助：同方法在其他Notebook可用

我来帮你搞定这个头疼的FailedPreconditionError！你遇到的问题本质是TensorFlow 1.x的静态计算图特性导致的——它要求所有变量必须显式初始化才能被使用，哪怕你只是想查看现有输出也绕不开这一步。结合你的代码和场景，给你几个针对性的解决方案：

1. 最核心的修复：在会话中执行变量初始化 #

TF1.x里，所有用tf.Variable()定义的变量，都需要在会话启动后先运行初始化操作才能用。你可以这样修改代码：

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('./', one_hot=True)
n1=500 
n2=300 
nclasses=10 
batchsize=100 

def layers(data):
    layer1={'weights':tf.Variable(tf.random_normal([784,n1])), 
            'bias':tf.Variable(tf.random_normal([n1]))}
    # 补全你后续的层逻辑...
    return layer1

# 先定义模型相关变量
model_layers = layers(mnist.train.images[0])

# 启动会话并初始化变量
with tf.Session() as sess:
    # 关键操作：初始化所有全局变量
    sess.run(tf.global_variables_initializer())
    # 现在可以正常查看变量输出了
    print("Layer 1 weights sample:\n", sess.run(model_layers['weights'][:5, :5]))

如果你的变量是用tf.get_variable()定义的，同样需要执行这个初始化步骤，它会覆盖所有注册到全局集合的变量。

2. 检查Notebook的会话上下文 #

Notebook里常常用tf.InteractiveSession()来简化操作，但如果会话和变量的创建顺序不对，也会出问题：

• 如果你先定义了变量再启动会话，一定要在会话启动后立即运行初始化：

  sess = tf.InteractiveSession()
  # 初始化所有变量
  tf.global_variables_initializer().run()
  # 之后再执行查看输出的操作
  

• 避免在多个单元格里创建多个独立会话，这会导致变量和会话不绑定，出现初始化失效的情况。

3. 确认变量是否被注册到全局集合 #

有时候如果变量只是在函数里定义，但没有和计算图的其他操作（比如矩阵乘法、激活函数）关联，可能不会被tf.global_variables_initializer()识别。你可以打印全局变量列表检查：

print("全局变量列表：", tf.global_variables())

如果你的layer1的weights和bias不在列表里，说明它们没有被正确注册，需要检查函数逻辑，确保变量被用于后续的计算操作中。

4. 对比正常运行的Notebook找差异 #

既然同一个函数在另一个Notebook能用，你可以对比两者的不同点：

• 另一个Notebook里是否显式执行了tf.global_variables_initializer()？
• 有没有使用不同的会话创建方式（比如InteractiveSession vs 常规Session）？
• 变量定义和会话启动的顺序是否不同？

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