如何在TensorFlow会话启动时打印tf.global_variables_initializer初始化的变量？

嘿，这个需求其实很好实现～咱们不用纠结tf.global_variables_initializer()本身的操作，因为它只是负责初始化变量的工具，要查看变量的信息，直接从TensorFlow的变量集合入手就可以了，不管计算图规模多大，都能轻松追踪你关心的w和b。

下面给你几个实用的方案：

方案1：直接遍历全局变量列表（适合只有w、b的场景） #

如果你的计算图里确实只有w和b两个全局变量，直接用tf.global_variables()获取所有全局变量的列表，然后遍历打印信息就行，还能顺便统计数量：

import tensorflow as tf

# 先定义你的w和b变量
w = tf.Variable(0.0, name='model_weight')
b = tf.Variable(0.0, name='model_bias')

# 初始化前先检查变量信息
print("=== 初始化前的全局变量信息 ===")
print(f"全局变量总数：{len(tf.global_variables())}")
for var in tf.global_variables():
    print(f"变量名：{var.name}，形状：{var.shape}，初始值：{var.initial_value.eval(session=tf.Session())}")  # TF1.x用法
    # 如果是TF2.x兼容模式，把eval改成.numpy()即可

# 执行初始化
init = tf.global_variables_initializer()
with tf.Session() as session:
    session.run(init)
    # 初始化后也可以打印变量的实际值
    w_val, b_val = session.run([w, b])
    print("\n=== 初始化后的变量值 ===")
    print(f"w的值：{w_val}，b的值：{b_val}")

方案2：自定义变量集合（适合计算图复杂、有其他全局变量的场景） #

如果你的计算图里还有其他全局变量，不想被干扰，可以给w和b单独设置一个自定义集合，这样就能精准只追踪这两个变量：

import tensorflow as tf

# 定义变量时加入自定义集合
w = tf.Variable(0.0, name='model_weight', collections=['my_core_vars'])
b = tf.Variable(0.0, name='model_bias', collections=['my_core_vars'])

# 获取自定义集合里的变量
my_vars = tf.get_collection('my_core_vars')
print("=== 自定义集合中的变量信息 ===")
print(f"核心变量数量：{len(my_vars)}")
for var in my_vars:
    print(f"变量名：{var.name}，形状：{var.shape}")

# 只初始化自定义集合里的变量（比全局初始化更高效）
init_my_vars = tf.variables_initializer(my_vars)
with tf.Session() as session:
    session.run(init_my_vars)
    w_val, b_val = session.run([w, b])
    print(f"\n初始化后w的值：{w_val}，b的值：{b_val}")

方案3：TensorFlow 2.x 简化写法 #

如果用的是TF2.x（不再依赖Session），写法会更简洁：

import tensorflow as tf

# 定义变量（TF2.x中变量创建后默认自动初始化）
w = tf.Variable(0.0, name='model_weight')
b = tf.Variable(0.0, name='model_bias')

# 查看变量信息
print("=== 变量信息 ===")
print(f"全局变量总数：{len(tf.compat.v1.global_variables())}")
print(f"w的名称：{w.name}，形状：{w.shape}，当前值：{w.numpy()}")
print(f"b的名称：{b.name}，形状：{b.shape}，当前值：{b.numpy()}")

核心思路总结 #

tf.global_variables_initializer()只是触发初始化的操作，变量的元数据（名称、形状、初始值等）都存在TensorFlow的变量集合中，所以直接操作变量集合（全局集合或自定义集合）是最可靠的检查方式，不管计算图多大，都能清晰追踪你关心的变量。

内容的提问来源于stack exchange，提问作者Anu