TensorFlow报‘未初始化值’错误及tf.layers.dense张量变换问题求助

嘿，刚入门TensorFlow碰到这种初始化问题太正常了，我来帮你一步步解决，同时达成你想要的张量变换需求！

先搞懂错误原因 #

你遇到的FailedPreconditionError里的"Attempting to use uninitialized value"，本质是TensorFlow的变量（比如Dense层的权重、偏置参数）还没初始化就被调用了。在旧版TensorFlow（1.x）的会话（Session）模式下，所有可训练变量都需要显式初始化才能使用；如果是2.x版本，默认的即时执行模式会自动处理初始化，但如果你用了旧的tf.layers接口，也可能踩这个坑。

你的需求完美适配Dense层的默认行为 #

你要把3x5x3的输入张量，对每个5x3的子张量做线性变换得到5x100，最终输出3x5x100——其实不用额外处理维度！tf.layers.dense（或新版的tf.keras.layers.Dense）默认会对张量的最后一个维度做线性变换，把前面的所有维度都当作"批量维度"。也就是说，3x5x3的输入，最后一维是3，指定units=100后，会自动把每个位置的3维向量映射为100维，直接得到3x5x100的输出，完全符合你的需求。

针对不同TensorFlow版本的解决代码 #

情况1：使用TensorFlow 1.x（会话模式） #

必须显式初始化所有变量，代码示例：

import tensorflow as tf

# 模拟3x5x3的输入张量
input_tensor = tf.random_normal(shape=(3, 5, 3))

# 应用Dense层：指定输出维度为100，自动处理前面的批量维度
output_tensor = tf.layers.dense(input_tensor, units=100)

# 关键步骤：初始化所有全局变量（Dense层的权重、偏置都在这里面）
init_op = tf.global_variables_initializer()

# 在会话中执行计算
with tf.Session() as sess:
    sess.run(init_op)  # 一定要先运行初始化！
    result = sess.run(output_tensor)
    print(result.shape)  # 输出 (3, 5, 100)，就是你想要的结果

情况2：使用TensorFlow 2.x（推荐用Keras接口） #

2.x默认是即时执行模式，变量会在第一次调用层时自动初始化，而且tf.layers已经被弃用，推荐用tf.keras.layers.Dense：

import tensorflow as tf

# 生成3x5x3的输入张量
input_tensor = tf.random.normal(shape=(3, 5, 3))

# 定义Dense层并直接调用
dense_layer = tf.keras.layers.Dense(units=100)
output_tensor = dense_layer(input_tensor)

print(output_tensor.shape)  # 直接输出 (3, 5, 100)，无需手动初始化

验证效果 #

运行上面的代码后，打印输出的形状，就能确认已经得到了3x5x100的张量，同时也解决了未初始化变量的报错问题。

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