在编译TensorFlow时遇到"不允许为__shared__变量使用初始化器"的错误通常是因为在GPU上使用了不支持的特性。为了解决这个问题，可以尝试以下方法：

1. 确保你的TensorFlow版本与CUDA和cuDNN版本兼容。首先检查CUDA和cuDNN的版本，然后根据它们的版本选择与之兼容的TensorFlow版本。

2. 如果你使用的是自定义的CUDA kernel，检查是否在GPU代码中使用了__shared__关键字。__shared__变量是在共享内存中分配的变量，它们不能使用初始化器。如果确实存在这样的变量，尝试移除或修改初始化器。

3. 如果你使用的是TensorFlow的官方版本，尝试更新TensorFlow到最新版本。新版本的TensorFlow通常修复了一些已知的问题和错误。

以下是一个示例代码，展示了在TensorFlow中定义一个__shared__变量的错误示例：

import tensorflow as tf

def my_model():
    with tf.device('/gpu:0'):
        shared_var = tf.Variable(tf.zeros([10]), name='shared_var', trainable=False)  # 这里出现了错误
        
    # 其他模型定义的代码

my_model()

为了解决这个问题，你可以尝试将__shared__变量移至CPU上，或者移除初始化器：

import tensorflow as tf

def my_model():
    with tf.device('/cpu:0'):  # 将__shared__变量移至CPU上
        shared_var = tf.Variable(tf.zeros([10]), name='shared_var', trainable=False)
        
    # 其他模型定义的代码

my_model()

如果以上方法仍然无法解决问题，你可能需要进一步检查CUDA和cuDNN的版本兼容性，并尝试使用更早或更晚的TensorFlow版本。