使用tf.contrib.layers.zeros_initializer()时，需要注意两个问题：

1. 该函数需要在tf.Graph对象的上下文中使用，而不是在tf.Session对象的上下文中使用。因此，在使用tf.contrib.layers.zeros_initializer()之前，需要先创建一个tf.Graph对象，并在该图上构建模型。

2. 该函数需要在tf.Session对象的上下文中初始化变量。因此，在创建完模型之后，需要在tf.Session对象中运行变量的初始化操作。

以下是一个示例代码，演示了如何正确使用tf.contrib.layers.zeros_initializer()：

import tensorflow as tf

# 创建一个tf.Graph对象
graph = tf.Graph()
with graph.as_default():
    # 构建模型
    x = tf.placeholder(tf.float32, shape=[None, 10])  # 输入张量
    W = tf.get_variable("W", shape=[10, 1], initializer=tf.contrib.layers.zeros_initializer())  # 权重矩阵
    b = tf.get_variable("b", shape=[1], initializer=tf.zeros_initializer())  # 偏置向量
    y = tf.matmul(x, W) + b  # 计算输出

# 创建一个tf.Session对象并初始化变量
with tf.Session(graph=graph) as sess:
    sess.run(tf.global_variables_initializer())

    # 在Session中运行模型
    input_data = [[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]]
    output = sess.run(y, feed_dict={x: input_data})
    print(output)

在上述示例代码中，首先创建了一个tf.Graph对象graph，并在该图上构建了模型。在构建模型时，使用tf.contrib.layers.zeros_initializer()来初始化权重矩阵W，使用tf.zeros_initializer()来初始化偏置向量b。

然后，创建了一个tf.Session对象sess，并在该会话中运行变量的初始化操作tf.global_variables_initializer()。

最后，在Session中运行模型，传入输入数据input_data，并打印输出结果。

执行上述代码，应该能够正确地使用tf.contrib.layers.zeros_initializer()来初始化变量，并得到正确的输出结果。