python - TensorFlow 失败前提条件错误 : iterator has not been initialized

Question

我想显示张量的值。

这是我的代码:

#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，我收到错误:

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。

Answer 1

您似乎有一个尚未初始化的数据集迭代器。数据集迭代器不是变量，因此不会使用 tf.global_variables_intializer() 进行初始化。

您必须通过在您创建的任何数据集迭代器上调用 sess.run(iterator.initializer) 来显式初始化它(例如使用 iterator = dataset.make_initializes_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，即使您只关心该元素的子集。如果 data_dict 是迭代的输出(使用 data_dict = iterator.get_next() 创建)，则执行 print(sess.run(i[1])) ，虽然只提供字典中的 k,v 对之一，但实际上会生成整个 data_dict。我希望这个管道不会给您期望的输出，除非您在 for 循环中重新初始化迭代器。

为了使我所说的更具体，如果您按如下方式创建了一个数据集，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