tensorflow global_step不自增一直为1解决

训练的时候想要获取训练的步数，最后发现每次获得的global_step的值都是1，最后发现自己代码写错了，把变量初始化写在循环之中了，导致每次都要初始化步数，导致每次的步数都是1

if __name__=='__main__':
    #这里都是在定义 并没有初始化
    train_op, cross_entropy, accuracy, global_step, summary_op, init_op, y ,x,y_,lr= get_net()
    #从里面获得数据
    with tf.Session() as sess:
        ##########################################################
        ####sess.run([init_op, tf.local_variables_initializer()]) 初始化要放在最前面，自己放在了循环里面 不断初始化 导致step不变
        ##########################################################
        sess.run([init_op, tf.local_variables_initializer()])  # , tf.local_variables_initializer()])
        ################### dataset的方法
        i =0
        while True:
            try:
                # sess.run(tf.initialize_all_variables()) 自己原来的初始化放在这里
                #为什么global_step不对
                _, loss_value,step,input,label,lear= sess.run([train_op, cross_entropy,global_step,x,y_,lr])
                print(loss_value,step,input.shape,label.shape,lear)
            except tf.errors.OutOfRangeError:
                break