我是tensorflow的新手 . 我在张量流上训练了一个2层神经网络，我想用固定点类型量化权重和偏差 . 我遵循tensorflow的介绍
https://www.tensorflow.org/performance/quantization
但是我收到一个错误：
FailedPreconditionError（参见上面的回溯）：尝试使用未初始化的值act_quant_1 / min [[Node：act_quant_1 / min / read = IdentityT = DT_FLOAT，class = [“loc：@ act_quant_1 / min”]， device =“/ job：本地主机/复制：0 /任务：0 /设备：GPU：0" ]]
那么，该计划的哪一部分应该改变？谢谢！以下是我的代码的一部分：
sess = tf.Session()
xs=tf.placeholder(tf.float32,shape=(None,n_colum_data))
y_=tf.placeholder(tf.float32,shape=(None,n_classes))
w_1=tf.Variable(tf.random_normal([n_colum_data,n_hidden_1]),name='w_1')
b_1=tf.Variable(tf.random_normal([1,n_hidden_1]),name='b_1')
w=tf.Variable(tf.random_normal([n_hidden_1,n_classes]),name='w')
b=tf.Variable(tf.random_normal([1,n_classes]),name='b')
sample_size=4143
global_step=tf.Variable(0)
sess.run(tf.global_variables_initializer())
y_1=tf.nn.tanh(tf.matmul(xs,w_1) + b_1)
y = tf.nn.softmax(tf.matmul(y_1,w) + b,1) #prediction
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
tf.contrib.quantize.create_training_graph(input_graph=None)
learning_rate = tf.train.exponential_decay(0.009,global_step,decay_steps=sample_size/bat_size,decay_rate=0.75,staircase=True)
train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(cross_entropy)
acc=[]
saver=tf.train.Saver()