FailedPreconditionError：尝试使用未初始化的值是与张量流相关的最常见错误之一。根据官方文档FailedPreconditionError

当运行一个在初始化之前读取tf.Variable的操作时，通常会引发此异常。

在您的情况下，该错误甚至说明了未初始化的变量： Attempting to use uninitialized value Variable_1 。 TF教程之一解释了很多有关变量的知识，包括变量的创建/初始化/保存/加载。

基本上，初始化变量有3个选项：

• 使用tf.global_variables_initializer()初始化所有全局变量
• 使用tf.variables_initializer(list_of_vars)初始化您关心的变量。请注意，您可以使用此函数来模拟global_variable_initializer： tf.variable_initializers(tf.global_variables())
• 仅使用var_name.initializer初始化一个变量

我几乎总是使用第一种方法。请记住，您应该将其放入会话运行中。因此，您将获得如下内容：

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())

如果您对有关变量的更多信息感到好奇，请阅读此文档以了解如何report_uninitialized_variables并检查is_variable_initialized 。

AdamOptimizer类创建其他变量，称为“插槽”，以保存“ m”和“ v”累加器的值。

如果您好奇，请参阅此处的源代码，它实际上是可读性很强的： https : //github.com/tensorflow/tensorflow/blob/master/tensorflow/python/training/adam.py#L39 。其他优化器，例如Momentum和Adagrad也使用插槽。

必须先初始化这些变量，然后才能训练模型。

初始化变量的通常方法是调用tf.initialize_all_variables() ，该函数会添加ops来初始化被调用时存在于图中的变量。

（除了：顾名思义，initialize_all_variables（）不会初始化任何内容，它仅添加将在运行时初始化变量的操作。）

您必须做的是在添加优化器之后调用initialize_all_variables（）：

...build your model...
# Add the optimizer
train_op = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
# Add the ops to initialize variables.  These will include 
# the optimizer slots added by AdamOptimizer().
init_op = tf.initialize_all_variables()

# launch the graph in a session
sess = tf.Session()
# Actually intialize the variables
sess.run(init_op)
# now train your model
for ...:
  sess.run(train_op)