TensorFlow在自定义类中初始化变量失败的原因是什么？

先把你提供的简化代码补全（推测build_model里的完整逻辑）：

import tensorflow as tf

class ExModel(object):
    def __init__(self, graph=None):
        if graph is None:
            self.graph = tf.get_default_graph()
        else:
            self.graph = graph
        self.sess = tf.Session(graph=self.graph)
        # 先创建初始化操作，再构建模型
        self.init_op = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer())
        self.build_model()
        print(self.sess.run(tf.report_uninitialized_variables()))  # 输出[b'global_step']
        print(self.sess.run(self._global_step))  # 抛出未初始化错误

    def build_model(self):
        with self.graph.as_default():
            self._global_step = tf.Variable(0, trainable=False, name='global_step')

问题根源 #

你踩了TensorFlow变量初始化的一个典型坑：初始化操作的创建时机早于变量定义。

TensorFlow的tf.global_variables_initializer()会收集调用它时已经存在的所有全局变量，生成对应的初始化操作。你在__init__里先创建了self.init_op，之后才调用build_model()定义_global_step变量——这就导致init_op里根本没有包含_global_step的初始化逻辑，自然运行时这个变量就处于未初始化状态。

解决方法 #

调整代码顺序，先构建所有变量，再创建初始化操作，修改后的__init__方法如下：

def __init__(self, graph=None):
    if graph is None:
        self.graph = tf.get_default_graph()
    else:
        self.graph = graph
    self.sess = tf.Session(graph=self.graph)
    # 先构建模型，创建所有变量
    self.build_model()
    # 再创建包含所有变量的初始化操作
    self.init_op = tf.group(tf.global_variables_initializer(), tf.local_variables_initializer())
    # 执行初始化
    self.sess.run(self.init_op)
    print(self.sess.run(tf.report_uninitialized_variables()))  # 输出空数组
    print(self.sess.run(self._global_step))  # 正常输出0

这样修改后，tf.global_variables_initializer()就能收集到build_model()里定义的_global_step，执行self.sess.run(self.init_op)后所有变量都会被正确初始化。

内容的提问来源于stack exchange，提问作者imhuay