Tensorflow报错

小鸭不学习

球球帮一下，我快疯了
chatGPT我已经问了一百遍了，每次都有报错，一行一行的报错，真服了
源代码：
import tensorflow as tf

# 定义一个32位浮点变量，初始值为0，这个代码就是不断更新w1参数，优化w1参数，滑动平均做了一个w1的影子
w1 = tf.Variable(0, dtype=tf.float32)

# 定义num_updates (NN的迭代轮数)，初始值为0，不可被优化（训练），这个参数不训练
global_step = tf.Variable(0, trainable=False)

# 实例化滑动平均类，给删减率为0.99，当前轮数global_step
MOVING_AVERAGE_DECAY = 0.99
ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY, global_step)

# 获取所有可训练的变量
trainable_vars = tf.compat.v1.trainable_variables()

# ema.apply后面的括号里是更新列表，每次运行ema_op时，对更新列表中的元素求滑动平均值
ema_op = ema.apply(trainable_vars)

# 获取所有可训练变量的滑动平均值
ema_averages = [ema.average(var) for var in trainable_vars]

# 初始化所有变量
init_op = tf.compat.v1.global_variables_initializer()

# 添加操作到默认图中
with tf.compat.v1.Session() as sess:
    # 添加初始化操作到图中
    sess.run(init_op)

    # 打印初始值
    print("初始值:")
    print("w1:", sess.run(w1))
    print("滑动平均值:", sess.run(ema_averages))

    # 更新w1的值并运行ema_op
    sess.run(tf.compat.v1.assign(w1, 1))
    sess.run(ema_op)

    # 打印更新后的值和滑动平均值
    print("更新后:")
    print("w1:", sess.run(w1))
    print("滑动平均值:", sess.run(ema_averages))


报错信息：
WARNING:tensorflow:From D:/桌面/测试.py:14: The name tf.trainable_variables is deprecated. Please use tf.compat.v1.trainable_variables instead.

Traceback (most recent call last):
  File "D:/桌面/测试.py", line 28, in <module>
    sess.run(init_op)
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python311\Lib\site-packages\tensorflow\python\client\session.py", line 972, in run
    result = self._run(None, fetches, feed_dict, options_ptr,
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python311\Lib\site-packages\tensorflow\python\client\session.py", line 1142, in _run
    raise RuntimeError('The Session graph is empty. Add operations to the '
RuntimeError: The Session graph is empty. Add operations to the graph before calling run().

Tensorflow版本：
2.16.1

FishC

这个报错是因为在TensorFlow 2.x版本中，会话（Session）不再需要显式地创建和关闭。而且，全局变量初始化操作也不再需要放在会话中执行。

那么，如何解决这个问题呢？请尝试按照以下方式修改您的代码：

import tensorflow as tf

# 定义一个32位浮点变量，初始值为0，这个代码就是不断更新w1参数，优化w1参数，滑动平均做了一个w1的影子
w1 = tf.Variable(0, dtype=tf.float32)

# 定义num_updates (NN的迭代轮数)，初始值为0，不可被优化（训练），这个参数不训练
global_step = tf.Variable(0, trainable=False)

# 实例化滑动平均类，给删减率为0.99，当前轮数global_step
MOVING_AVERAGE_DECAY = 0.99
ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY, global_step)

# 获取所有可训练的变量
trainable_vars = tf.compat.v1.trainable_variables()

# ema.apply后面的括号里是更新列表，每次运行ema_op时，对更新列表中的元素求滑动平均值
ema_op = ema.apply(trainable_vars)

# 获取所有可训练变量的滑动平均值
ema_averages = ema.average(trainable_vars)

# 初始化所有变量（已过时）
# init_op = tf.compat.v1.global_variables_initializer()

# 不再需要显示地初始化全局变量
# 添加操作到默认图中
# with tf.compat.v1.Session() as sess:
    # 添加初始化操作到图中
    # sess.run(init_op)

# 创建一个Eager执行环境
tf.compat.v1.enable_eager_execution()

# 打印初始值
print("初始值:")
print("w1:", w1.numpy())
print("滑动平均值:", ema_averages.numpy())

# 更新w1的值并运行ema_op
w1.assign(1)
ema_op.run()

# 打印更新后的值和滑动平均值
print("更新后:")
print("w1:", w1.numpy())
print("滑动平均值:", ema_averages.numpy())

这样修改后，您应该可以顺利运行代码并得到正确的输出。希望能解决您的问题！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。