Python 无法使用初始化的局部变量

我想在TensorFlow模型中使用局部变量，但我发现这样做很麻烦。我已将我的问题总结为以下示例：

import tensorflow as tf

with tf.device('/cpu:0'):
    v = tf.get_local_variable('myvar', [1, 1], initializer=tf.zeros_initializer())
    with tf.control_dependencies([tf.variables_initializer([v])]):
        v2 = tf.identity(v, name='myvar2')

with tf.Session() as sess:
    print(sess.run(v2))

我希望得到

[[0.]]

，但得到的却是错误：

FailedPreconditionError (see above for traceback): Attempting to use uninitialized value myvar
         [[Node: myvar/read = Identity[T=DT_FLOAT, _class=["loc:@myvar"], _device="/job:localhost/replica:0/task:0/cpu:0"](myvar)]]

那么我应该如何初始化和使用局部变量呢

我使用的是TensorFlow 1.0.0和Python 3.5

更新：

我注意到，亲自完成初始化任务确实有效：

那么，无论您如何设置依赖项，初始化器是否总是在会话结束时运行？还是我还遗漏了什么

---

注意：这个解决方案对我来说是不够的（至少是这样），因为我想在变量中执行切片赋值，而我不能对

.assign

的返回值执行切片赋值，它是对变量的引用，而不是变量本身。我已经看到使用

v_assigned

作为控件依赖项，然后分配给

v

似乎是可行的，但我不知道这是否可靠。

因此，显然问题在于我假设使用

tf.identity

会给我一个变量的引用，但会使用当前控件依赖项进行更新，但事实并非如此；它只是给了我一个旧（可能未初始化）值的引用。因此正确的方法是使用

tf.Variable

的

read\u value

方法，如中所述。因此正确的代码应该是：

import tensorflow as tf

with tf.device('/cpu:0'):
    v = tf.get_local_variable('myvar', [1, 1], initializer=tf.zeros_initializer())
    with tf.control_dependencies([tf.variables_initializer([v])]):
        v2 = tf.identity(v.read_value(), name='myvar2')

with tf.Session() as sess:
    print(sess.run(v2))

import tensorflow as tf

with tf.device('/cpu:0'):
    v = tf.get_local_variable('myvar', [1, 1], initializer=tf.zeros_initializer())
    with tf.control_dependencies([tf.variables_initializer([v])]):
        v2 = tf.identity(v.read_value(), name='myvar2')

with tf.Session() as sess:
    print(sess.run(v2))