Python TensorFlow FailedPremissionError:迭代器尚未初始化

我想显示张量的值

这是我的密码：

#some code here
data = [data_tensor for data_tensor in data_dict.items()]
for i in data:
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        print (sess.run(i[1]))
        print('_'*100)

但是，我得到了一个错误：

FailedPreconditionError (see above for traceback): 
GetNext() failed because the iterator has not been initialized. 
Ensure that you have run the initializer operation for this iterator 
before getting the next element.

如何解决这个问题

---

非常感谢。

您在以前的代码中使用过迭代器吗？如果是，也要初始化它们

---

例如，

sess.run（validation\u iterator.initializer）

看起来您的数据集迭代器尚未初始化。数据集迭代器不是变量，因此不会使用

tf.global\u variables\u initializer（）

进行初始化

您必须通过调用

sess.run（iterator.initializer）

对您创建的任何数据集迭代器进行显式初始化（例如，使用

iterator=dataset.make_initializable_iterator（）

）

---

此外，请注意，每次数据集迭代（运行

GetNext

节点）都会生成数据集的完整元素，即使您只关心元素的子集。如果

data\u dict

是迭代的输出（使用

data\u dict=iterator.get\u next（）

创建），则执行

打印（sess.run（i[1]）

，虽然只给你字典中的k，v对中的一对，但实际上产生了整个

数据。我希望这个管道不会给你你期望的输出，除非你在for循环中重新初始化迭代器

为了使我所说的更加具体，如果您有一个如下创建的数据集，您将期望以下迭代输出：

## dataset: [{'a':0, 'b':10}, {'a':1, 'b':11}, {'a':2, 'b':12}, ...]
dataset = tf.data.Dataset.range(10).map(lambda x: {'a': x, 'b': x + 10})
iterator = dataset.make_initializable_iterator()
next_elem = iterator.get_next()
with tf.Session() as sess:
    sess.run(iterator.initializer)
    print(sess.run(next_elem['a']))  # 0
    print(sess.run(next_elem['a']))  # 1
    print(sess.run(next_elem['b']))  # 12

首先尝试创建会话，然后设置数据并在其中循环。无需在循环的每次迭代中创建新会话。发布调用GetNext（）函数的整个代码段。您似乎缺少类似
sess.run（iterator.initializer）的内容
用于您的数据集迭代器。我收到错误
AttributeError:“Variable”对象没有属性“make_InitializableTerator”
。抱歉，键入：s/make_InitializableTerator/make_InitializableTerator