确定什么是修改TensorFlow图

我试图使用

tf.train.Supervisor（）

，但收到以下错误：

运行时错误：图形已完成，无法修改。

问题很明显，我是在实例化一个主管（并由确认）后修改图表的，但它没有告诉我如何找到修改图表的位置。我已经阅读了我的代码，没有什么看起来像是明显的罪魁祸首，尽管在我发布的另一个问题中，我发现

.minimize（）

会改变图表，所以我可能会犯类似的错误

这是我的密码。然而，当我对发现我的bug感兴趣时，我也对学习如何解决这个问题感兴趣

tf.set_random_seed(seed=0)
supervisor = tf.train.Supervisor(logdir=tf.flags.FLAGS.log_dir,
                                 global_step=model.global_step)

# create coordinator to handle threading
coord = tf.train.Coordinator()

supervisor = tf.train.Supervisor(logdir=tf.flags.FLAGS.log_dir,
                                 global_step=global_step)

with supervisor.managed_session() as sess:

    # start threads to enqueue input minibatches for training
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)

    # initialize all variables and ops
    sess.run(tf.global_variables_initializer())

    start_time = time.time()

    # train
    for step in range(1, tf.flags.FLAGS.training_steps + 1):

        # check for any raised exceptions
        if supervisor.should_stop():
            break

        train_op(sess, model, x_train, y_train, y_lengths_train)

        # every 100 steps, evaluate model metrics and write summaries to disk
        if step % 10 == 0 or step == tf.flags.FLAGS.training_steps:
            eval_op(sess, model, x_valid, y_valid, y_lengths_valid, start_time)
            start_time = time.time()

    # when done, ask the threads to stop
    coord.request_stop()

    # wait for threads to finish
    coord.join(threads)

这是我的“火车号”的代码：

def train_op(sess, model, x_minibatch, y_minibatch, y_lengths_minibatch):
    """
    Training operation(s) for model.
    """

    # dequeue training data
    x_values, y_values, y_lengths_values = sess.run([x_minibatch, y_minibatch, y_lengths_minibatch])

    # permute training data for robustness
    x_values, y_values = permute_values(x_values, y_values)

    # minimize loss
    sess.run([model.train_op], feed_dict={model.x: x_values,
                                      model.y_actual: y_values,
                                      model.y_actual_lengths: y_lengths_values})

这是我的

eval_op

的代码：

def eval_op(sess, model, x_minibatch, y_minibatch, y_lengths_minibatch, start_time):
    """
    Evaluation operation(s) for model.
    """

    x_values, y_values, y_lengths_values = sess.run([x_minibatch, y_minibatch, y_lengths_minibatch])

    loss, metrics, step = sess.run([model.loss, model.metrics, model.global_step],
                                   feed_dict={model.x: x_values,
                                          model.y_actual: y_values,
                                          model.y_actual_lengths: y_lengths_values})

    print('Step Number: {}\tLength of Y: {}'.format(step + 1, y_lengths_values))

    print('Elapsed time: {:.2f}\tLoss: {:.4f}\tAccuracy: {:.4f}'.format(time.time() - start_time, loss,
                                                                    metrics['accuracy']))

---

打印有

RuntimeError

的堆栈跟踪应该指示错误发生时调用的函数

---

然而，根据您的代码，我怀疑是调用将新的op添加到图形中。因为您正在使用，所以不必调用它，因为主管（默认情况下）负责初始化变量。因此，您可以删除行

sess.run（tf.global\u variables\u initializer（））

您的怀疑是正确的-谢谢！关于堆栈跟踪，你是对的-我只是找的不够多。