Python 正在尝试使用未初始化的值接收v3/Mixed\u 6d/Branch\u 3/Conv2d\u 0b\u 1x

我修改了Inception V3网络（删除了一些层模块），并创建了6个类的训练数据，每个类1个图像。当我执行训练时，我会得到错误

tensorflow.python.framework.errors\u impl.FailedPremissionError: 正在尝试使用未初始化的值 接收v3/Mixed_6d/Branch_3/Conv2d_0b_1x1/weights[[节点： 接收V3/Mixed_6d/分支3/Conv2d_0b_1x1/权重/读取= 标识[T=DT\u浮点，\u类=[“loc:/Branch\u 3/Conv2d\u 0

列车代码：

将tensorflow导入为tf
导入起始
导入创建记录
将numpy作为np导入
导入实用程序
宽度，高度=299299
班级=6
批量大小=6
学习率=0.01
最大步长=1
image_dir='/home/xzy/test/images/'
路径='/home/xzy/test/train.tfrecords'
logs_dir='/home/xzy/test/logs/'
#%%培训
def序列（）：
filename\u queue=tf.train.string\u input\u producer（[path]）
reader=tf.TFRecordReader（）
_，序列化的\u示例=reader.read（文件名\u队列）
features=tf.parse_single_示例（序列化的_示例，
特征={
“标签”：tf.FixedLenFeature（[]，tf.int64），
“img_raw”：tf.FixedLenFeature（[]，tf.string），
})
image=tf.decode\u raw（特征['img\u raw'，tf.uint8）
image=tf.重塑（图像[299299,3]）
label=tf.cast（特性['label']，tf.int32）
image\u batch，label\u batch=tf.train.batch（[image，label]，
批量大小=6，线程数=64，容量=300）
label\u batch=tf.one\u hot（label\u batch，depth=classes）
label\u batch=tf.cast（label\u batch，dtype=tf.int32）
label\u batch=tf.重塑（label\u batch，[批次大小，类别]）
x=tf.placeholder（tf.float32，形状=[批次大小、宽度、高度，3]）
y=tf.placeholder（tf.int16，shape=[batch\u size，classes]）
初始化所有变量（）
logits=inception.inference（x，num\u classes=classes）
损失=初始损失（逻辑，y）
my_global_step=tf.Variable（0，name='global_step'，trainable=False）
优化器=tf.train.GradientDescentOptimizer（学习率）
训练=优化器。最小化（损失，全局步骤=我的全局步骤）
saver=tf.train.saver（tf.global_variables（））
summary\u op=tf.summary.merge\u all（）
使用tf.Session（）作为sess：
sess.run（初始化操作）
coord=tf.train.Coordinator（）
线程=tf.train.start\u queue\u runner（coord=coord）
train\u summary\u writer=tf.summary.FileWriter（logs\u dir，sess.graph）
尝试：
对于np.arange中的步骤（最大步骤）：
如果协调，则应停止（）：
打破
例如，lab=sess.run（[image\u batch，label\u batch]）
示例=tf.to_float（示例）
_，train_loss=sess.run（[train_op，loss]，feed_dict={x:example.eval（），y:lab}）
如果步骤==0或（步骤+1）==最大步骤：
打印（'步骤：%d，丢失：%.4f%'（步骤，序列丢失））
summary\u str=sess.run（summary\u op）
培训总结撰写者。添加总结（总结，步骤）
如果步骤%2000==0或（步骤+1）==max\u步骤：
checkpoint\u path=os.path.join（train\u log\u dir，'model.ckpt'）
saver.save（sess、检查点路径、全局步骤=步骤）
除了tf.errors.OutOfRangeError：
打印（'完成培训-达到历元极限'）
协调请求停止（）
坐标连接（线程）
sess.close（）
列车（）

错误堆栈跟踪：

回溯（最近一次呼叫最后一次）：

文件“/home/xzy/PycharmProjects/network/train_inception.py”，第89行，在 列车（）

文件“/home/xzy/PycharmProjects/network/train_inception.py”，第71行，in train（）
_，train_loss=sess.run（[train_op，loss]，feed_dict={x:example.eval（），y:lab}）

文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/client/session.py”，第889行，正在运行 运行_元数据_ptr）

文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py”，第1120行，正在运行 feed_dict_tensor、options、run_元数据）

文件“/usr/local/lib/python2.7/dist-packages/tensorflow/python/client/session.py”，第1317行，运行 选项，运行（元数据）

文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/client/session.py”，第1336行，在 提升类型（e）（节点定义、操作、消息）

tensorflow.python.framework.errors\u impl.failedPremissionError:尝试使用未初始化的值InceptionV3/Mixed\u 6d/Branch\u 3/Conv2d\u 0b\u 1x1/weights [[Node:InceptionV3/Mixed\u 6d/Branch\u 3/Conv2d\u 0b\u 1x1/weights/read=Identity[T=DT\u FLOAT，\u class=[“loc:@InceptionV3/Mixed\u 6d/Branch\u 3/Conv2d\u 0

怎么了？有人能给我一些建议吗，谢谢

---

Tensorflow版本：1.5.0-dev20171206，python 2.7，Ubuntu 16.04。

您的

init_op

定义得太早了：

init_op=tf.initialize_all_variables（）
#糟糕！下面的所有操作都无法初始化！
logits=inception.inference（x，num\u classes=classes）
损失=初始损失（逻辑，y）
my_global_step=tf.Variable（0，name='global_step'，trainable=False）
优化器=tf.train.GradientDescentOptimizer（学习率）
训练=优化器。最小化（损失，全局步骤=我的全局步骤）

解决方案：

logits=inception.inference（x，num\u classes=classes）
损失=初始损失（逻辑，y）
my_global_step=tf.Variable（0，name='global_step'，trainable=False）
优化器=tf.train.GradientDescentOptimizer（学习率）
训练=优化器。最小化（损失，全局步骤=我的全局步骤）
#现在没事了。
init_op=tf.global_variables_initializer（）

您忘记了这个-@Maxim。谢谢您的回答。我将代码从

init\u op=tf.initialize更改为