TensorFlow报错ValueError：initial_value需指定形状，求解决方案

问题根源分析 #

你遇到的错误有两个核心原因：

• initw函数未返回创建的变量：你的函数里生成了tf.Variable但没有用return语句返回它，导致bla实际上是None，后续执行sess.run([bla])会引发额外问题。
• 动态形状的变量初始化限制：你用placeholder（动态形状的张量）作为tf.Variable的形状参数，使得初始值的形状是(?, ?)（不确定的）。而TensorFlow 1.x中tf.Variable默认要求初始值有明确固定的形状，因此触发了ValueError。

修正后的代码方案 #

我们可以通过两处修改解决问题：给tf.Variable添加validate_shape=False参数关闭形状验证，同时确保函数返回创建的变量：

import tensorflow as tf

a = tf.placeholder(tf.int32)
b = tf.placeholder(tf.int32)

def initw(a, b):
    # 添加validate_shape=False允许动态形状的初始值，同时返回变量
    return tf.Variable(tf.sign(tf.random_uniform(shape=[a, b], minval=-1.0, maxval=1.0)), 
                       validate_shape=False)

bla = initw(a, b)

with tf.Session() as sess:
    # 注意：因变量形状是动态的，需先传入确定的形状参数再初始化
    sess.run(tf.global_variables_initializer(), feed_dict={a:2, b:2})
    print(sess.run([bla], feed_dict={a:2, b:2}))

额外说明 #

如果你想更规范地处理动态形状变量，也可以使用tf.get_variable并设置validate_shape=False，效果完全一致。另外要注意：这种动态形状的变量在TensorFlow 1.x中使用时，必须在初始化阶段就传入确定的形状值（也就是feed_dict要在global_variables_initializer执行时就提供），否则依然会触发形状相关错误。

内容的提问来源于stack exchange，提问作者Gilfoyle