TensorFlowFailedPreconditionError：迭代器尚未初始化

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，我得到了错误：

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.

如何解决问题？

非常感谢你。

看起来您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，因此不会使用进行初始化tf.global_variables_intializer()。

您必须通过调用sess.run(iterator.initializer)您创建的任何数据集迭代器显式地初始化它（例如，使用iterator = dataset.make_initializable_iterator()。

此外，请注意，即使您只关心元素的子集，每次数据集迭代（运行GetNext节点）也会产生数据集的完整元素。如果data_dict是迭代的输出（使用创建data_dict = iterator.get_next()），print(sess.run(i[1]))则在只给您字典中的k，v对之一的情况下，doing 实际上会产生整型data_dict。我希望该管道不会为您提供期望的输出，除非您在for循环中重新初始化迭代器。

为了使我所说的更为具体，如果您创建了一个如下所示的数据集，那么您将期望获得以下迭代输出：

## 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