TensorFlow 2.2.0运行初始化报tables_initializer等属性错误的解决方法

• TensorFlow 2.x 从版本设计上就移除了根命名空间下挂载的1.x时代静态图专属API，2.2.0默认开启Eager执行模式，原本1.x版本中直接通过tf.xxx调用的tables_initializer、global_variables_initializer、local_variables_initializer、group等接口，全部被迁移到tf.compat.v1兼容模块下，直接在根tf路径调用就会触发模块无对应属性的报错。
• 代码中使用的K.get_session()属于Keras 1.x时代的全局会话获取接口，TensorFlow2.2.0的默认运行逻辑已经废弃了“手动获取全局会话、手动执行初始化op”的执行流程，和根路径调用旧初始化接口属于同一类的版本适配问题。
• 原代码仅导入了tensorflow.python.keras.backend as K，没有显式导入tensorflow模块本身，本身也存在依赖导入不全的潜在问题。

方案1：快速兼容原有旧代码 #

在所有TensorFlow相关代码的最开头，添加1.x兼容开关，无需改动原有初始化逻辑即可跑通：

import numpy as np
import tensorflow.compat.v1 as tf
# 关闭2.x默认行为，完整开启1.x兼容模式
tf.disable_v2_behavior()
import tensorflow.python.keras.backend as K

session = K.get_session()
init_op = tf.group(tf.tables_initializer(), tf.global_variables_initializer(), tf.local_variables_initializer())
session.run(init_op)
np.random.seed(1)
tf.set_random_seed(1)

• 注意兼容模式必须在其他TensorFlow相关导入之前开启，否则兼容配置不会生效。

方案2：适配TensorFlow2.2.0原生写法（长期推荐） #

完全替换为2.x支持的公开API，避免后续跨版本升级再出现兼容性问题：

• 移除手动初始化全局会话、手动跑初始化op的冗余逻辑，2.x下变量、哈希表会在创建时自动完成初始化，不需要手动触发全局初始化流程。
• 随机种子设置替换为2.x原生接口：tf.random.set_seed(1)，替代旧版的tf.set_random_seed。
• 如果必须用到静态图会话做兼容，所有旧版初始化接口从公开兼容路径调用，替换原代码中的对应接口：
  • 表初始化：tf.compat.v1.tables_initializer()
  • 全局变量初始化：tf.compat.v1.global_variables_initializer()
  • 局部变量初始化：tf.compat.v1.local_variables_initializer()
• 不要通过tensorflow.python.xxx的内部模块路径导入接口，这类路径没有官方兼容承诺，跨版本迭代时很容易出现路径变更、属性移除的报错，替换为tensorflow.compat.v1.keras.backend的公开兼容路径获取会话即可。

内容的提问来源于stack exchange，提问作者Carla Flores