Tensorflow FailedPreconditionError，但所有变量都已初始化答案

【问题标题】：Tensorflow FailedPreconditionError, but all variables have been initializedTensorflow FailedPreconditionError，但所有变量都已初始化
【发布时间】：2016-08-14 07:39:24
【问题描述】：

编辑：在尝试了几件事后，我在我的代码中添加了以下内容：

with tf.Session(graph=self.graph) as session:
    session.run(tf.initialize_all_variables())
    try:
        session.run(tf.assert_variables_initialized())
    except tf.errors.FailedPreconditionError:
        raise RuntimeError("Not all variables initialized!")

现在，偶尔会失败，即tf.assert_variables_initialized() 会引发 FailedPreconditionError，即使在它之前，tf.initialize_all_variables() 已被执行。有谁知道这是怎么发生的？

原问题：

背景

我正在使用 GradientDescentOptimizer 在通过 Tensorflow 创建的基本神经网络上运行交叉验证 (CV) 超参数搜索。在看似随机的时刻，对于不同的变量，我得到了一个 FailedPreconditionError。例如（帖子末尾的完整堆栈跟踪）：

FailedPreconditionError: Attempting to use uninitialized value Variable_5
     [[Node: Variable_5/read = Identity[T=DT_FLOAT, _class=["loc:@Variable_5"], _device="/job:localhost/replica:0/task:0/gpu:0"](Variable_5)]]

有些运行很快就失败了，有些则没有——一个已经运行了 15 个小时，现在没有问题。我在多个 GPU 上并行运行 - 不是优化本身，而是每个 CV 折叠。

我检查过的内容

来自this 和this 的帖子我了解到，尝试使用尚未使用tf.initialize_all_variables() 初始化的变量时会发生此错误。但是，我 99% 确定我正在这样做（如果没有，我希望它总是失败） - 我将在下面发布代码。

API doc 这么说

此异常最常在运行以下操作时引发在初始化之前读取一个 tf.Variable。

“最常见”表示它也可以在不同的情况下提出。所以，现在的主要问题是：

问题：是否还有其他可能引发此异常的情况，它们是什么？

代码

MLP 类：

class MLP(object):
    def __init__(self, n_in, hidden_config, n_out, optimizer, f_transfer=tf.nn.tanh, f_loss=mean_squared_error,
                 f_out=tf.identity, seed=None, global_step=None, graph=None, dropout_keep_ratio=1):

        self.graph = tf.Graph() if graph is None else graph           
        # all variables defined below
        with self.graph.as_default():
            self.X = tf.placeholder(tf.float32, shape=(None, n_in))
            self.y = tf.placeholder(tf.float32, shape=(None, n_out))
            self._init_weights(n_in, hidden_config, n_out, seed)
            self._init_computations(f_transfer, f_loss, f_out)
            self._init_optimizer(optimizer, global_step)

     def fit_validate(self, X, y, val_X, val_y, val_f, iters=100, val_step=1):
            [snip]
            with tf.Session(graph=self.graph) as session:
VAR INIT HERE-->tf.initialize_all_variables().run() #<-- VAR INIT HERE
                for i in xrange(iters):
                    [snip: get minibatch here]    
                    _, l = session.run([self.optimizer, self.loss], feed_dict={self.X:X_batch, self.y:y_batch})
                    # validate
                    if i % val_step == 0:
                        val_yhat = self.validation_yhat.eval(feed_dict=val_feed_dict, session=session)

如您所见，tf.init_all_variables().run() 总是在其他任何事情完成之前被调用。网络初始化为：

def estimator_getter(params):
    [snip]    
    graph = tf.Graph()
    with graph.as_default():
        global_step = tf.Variable(0, trainable=False)
        learning_rate = tf.train.exponential_decay(params.get('learning_rate',0.1), global_step, decay_steps, decay_rate)
    optimizer = tf.train.GradientDescentOptimizer(learning_rate)
    net = MLP(config_num_inputs[config_id], hidden, 1, optimizer, seed=params.get('seed',100), global_step=global_step, graph=graph, dropout_keep_ratio=dropout)

完整示例堆栈跟踪：

FailedPreconditionError: Attempting to use uninitialized value Variable_5
     [[Node: Variable_5/read = Identity[T=DT_FLOAT, _class=["loc:@Variable_5"], _device="/job:localhost/replica:0/task:0/gpu:0"](Variable_5)]]
Caused by op u'Variable_5/read', defined at:
  File "tf_paramsearch.py", line 373, in <module>
    randomized_search_params(int(sys.argv[1]))
  File "tf_paramsearch.py", line 356, in randomized_search_params
    hypersearch.fit()
  File "/home/centos/ODQ/main/python/odq/cv.py", line 430, in fit
    return self._fit(sampled_params)
  File "/home/centos/ODQ/main/python/odq/cv.py", line 190, in _fit
    for train_key, test_key in self.cv)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 766, in __call__
    n_jobs = self._initialize_pool()
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 537, in _initialize_pool
    self._pool = MemmapingPool(n_jobs, **poolargs)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/sklearn/externals/joblib/pool.py", line 580, in __init__
    super(MemmapingPool, self).__init__(**poolargs)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/sklearn/externals/joblib/pool.py", line 418, in __init__
    super(PicklingPool, self).__init__(**poolargs)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/multiprocessing/pool.py", line 159, in __init__
    self._repopulate_pool()
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/multiprocessing/pool.py", line 223, in _repopulate_pool
    w.start()
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/multiprocessing/process.py", line 130, in start
    self._popen = Popen(self)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/multiprocessing/forking.py", line 126, in __init__
    code = process_obj._bootstrap()
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/multiprocessing/process.py", line 258, in _bootstrap
    self.run()
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/multiprocessing/process.py", line 114, in run
    self._target(*self._args, **self._kwargs)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/multiprocessing/pool.py", line 113, in worker
    result = (True, func(*args, **kwds))
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 130, in __call__
    return self.func(*args, **kwargs)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 72, in __call__
    return [func(*args, **kwargs) for func, args, kwargs in self.items]
  File "/home/centos/ODQ/main/python/odq/cv.py", line 131, in _fold_runner
    estimator = estimator_getter(parameters)
  File "tf_paramsearch.py", line 264, in estimator_getter
    net = MLP(config_num_inputs[config_id], hidden, 1, optimizer, seed=params.get('seed',100), global_step=global_step, graph=graph, dropout_keep_ratio=dropout)
  File "tf_paramsearch.py", line 86, in __init__
    self._init_weights(n_in, hidden_config, n_out, seed)
  File "tf_paramsearch.py", line 105, in _init_weights
    self.out_weights = tf.Variable(tf.truncated_normal([hidden_config[-1], n_out], stddev=stdev))
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/variables.py", line 206, in __init__
    dtype=dtype)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/variables.py", line 275, in _init_from_args
    self._snapshot = array_ops.identity(self._variable, name="read")
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/gen_array_ops.py", line 523, in identity
    return _op_def_lib.apply_op("Identity", input=input, name=name)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/ops/op_def_library.py", line 655, in apply_op
    op_def=op_def)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 2117, in create_op
    original_op=self._default_original_op, op_def=op_def)
  File "/home/centos/miniconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 1128, in __init__
    self._traceback = _extract_stack()

【问题讨论】：

我看到的一个潜在的事情是您正在混合默认会话和显式会话。 IE，您执行“initialize_all_variables().run()”，它使用默认会话，但稍后您明确指定会话。所以也许你在错误的会话中运行你的初始化程序？我更喜欢始终拥有一个与其关联的默认图表的默认会话，这样您就不需要“with”块并且不太可能使用错误的会话/图表
PS：我刚刚运行了你原来的 sn-ps ("initialize_all_variables" 然后是 "assert_..") 10k 次，没有出现任何故障。
谢谢，是的，这是我尝试过的方法之一，我将该行更改为 session.run(tf.initialize_all_variables())，但无济于事。是的，它并不总是失败（我假设我的代码在某个地方有问题，而你的可能没有）——我有一个会话仍在运行而没有问题。我能看到的唯一区别是该会话中的网络比其他网络具有更多的输入特征，其余代码完全相同。

标签： python python-2.7 tensorflow

【解决方案1】：

好的，我找到了问题所在。我的代码中有一个罕见的情况导致其中一个隐藏层被创建为形状 (0, N)，即没有输入。在这种情况下，Tensorflow 显然无法初始化与该层相关的变量。

虽然这是有道理的，但在这种情况下，Tensorflow 记录警告消息可能很有用（顺便说一句，我也尝试将 Tensorflow 日志记录设置为调试模式，但找不到如何 - tf.logging.set_verbosity() 没有似乎有效果）。

【讨论】：

hm，这可能应该在 TF 端修复....也许在 github 上用一个小的 repro 提交问题？
谢谢！抱歉一直没有时间提交 Github 问题

【解决方案2】：

顺便说一句，为了提高效率/减少错误，您可以遵循以下模式。

tf.reset_default_graph()
a = tf.constant(1)
<add more operations to your graph>
b = tf.Variable(1)
init_op = tf.initialize_all_variables()
tf.get_default_graph().finalize()

sess = tf.InteractiveSession()
sess.run(init_op)
sess.run(compute_op)

finalize 可防止您在运行之间修改图形，这在当前版本中很慢。此外，因为有一个会话/一个图表，所以您不需要 with 块。

【讨论】：

谢谢，我试试看。
发现了问题，请看下面我的回答。感谢您的帮助

【解决方案3】：

对我来说解决方案是

with sess.as_default():
    result = compute_fn([seed_input,1])

检查FailedPreconditionError: Attempting to use uninitialized in Tensorflow 其他选项和我的解释

奇怪的是session.run()和sess.as_default()运行函数不一样，我都试过了。

【讨论】：