TensorFlow 1.15.0中sess.run()取Keras层权重报未初始化错误求助

嘿，这个问题我之前也踩过坑！你碰到的FailedPreconditionError本质是变量未初始化导致的——在TensorFlow 1.x环境里，哪怕是Keras层的权重变量，也需要显式完成初始化才能通过sess.run()读取。

错误原因拆解 #

Keras的Dense层采用延迟初始化机制：只有当你第一次把输入张量传入层（也就是y = layer(x)这一步），它才会根据输入形状确定权重的维度并创建对应的变量。而你之前直接调用sess.run(layer.weights[0])时，这些变量还没有被初始化，TensorFlow自然找不到对应的资源。

修正后的完整代码 #

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# 先将session绑定到Keras后端（这一步能避免很多TF和Keras整合的坑）
sess = tf.Session()
keras.backend.set_session(sess)

layer = layers.Dense(3)
x = tf.ones((1, 4))
y = layer(x)  # 关键：这一步触发权重变量的创建

# 初始化所有全局变量（包括Keras层的权重）
sess.run(tf.global_variables_initializer())

# 现在就能正常读取权重值了
kernel = sess.run(layer.weights[0])
bias = sess.run(layer.weights[1])

print("Dense层的核权重：\n", kernel)
print("Dense层的偏置权重：\n", bias)

额外注意事项 #

• 一定要确保tf.global_variables_initializer()的调用在层被第一次调用（传入输入）之后，否则初始化操作找不到还没创建的权重变量。
• 如果你的模型有多个层，只需要调用一次tf.global_variables_initializer()就能初始化所有变量，不用逐个层处理。

内容的提问来源于stack exchange，提问作者Patrick Lee