如何初始化TensorFlow函数内部定义的变量？

嘿，这个问题我之前踩过坑，核心是变量创建时机和初始化时机不匹配导致的：
你看，代码里先运行了tf.global_variables_initializer()，但这时候foo()里的变量x还没被定义，所以这个初始化操作里根本不包含x。等你之后调用foo()才创建x，再去运行计算的时候，自然会报错说变量没初始化。

下面给你几种可行的解决办法：

办法1：提前创建变量（最简单直接） #

把函数内的变量创建逻辑提前，确保在执行初始化前，所有需要的变量都已经被定义好了：

import tensorflow as tf

def foo():
    x = tf.Variable(tf.ones([1]))
    y = tf.ones([1])
    return x+y

if __name__ == '__main__':
    # 先调用foo生成计算图和变量，再初始化
    result_tensor = foo()
    with tf.Session() as sess:
        init = tf.global_variables_initializer()
        sess.run(init)
        print(sess.run(result_tensor))

办法2：用tf.get_variable配合作用域（更灵活） #

如果需要在函数内动态创建变量，或者要复用变量的话，用tf.get_variable会更合适，同样要确保初始化前变量已被创建：

import tensorflow as tf

def foo():
    # 使用get_variable来定义变量，可通过参数控制是否复用
    x = tf.get_variable('x', shape=[1], initializer=tf.ones_initializer())
    y = tf.ones([1])
    return x+y

if __name__ == '__main__':
    with tf.Session() as sess:
        # 先调用foo创建变量
        result_tensor = foo()
        init = tf.global_variables_initializer()
        sess.run(init)
        print(sess.run(result_tensor))

办法3：函数内单独初始化变量（适合特殊场景，不推荐常规用） #

如果必须在函数调用时才创建变量，那可以在函数内单独初始化这个变量，但要注意每次调用函数都会重新初始化变量，可能不符合你的需求：

import tensorflow as tf

def foo(sess):
    x = tf.Variable(tf.ones([1]))
    # 单独初始化当前函数内的变量
    sess.run(x.initializer)
    y = tf.ones([1])
    return x+y

if __name__ == '__main__':
    with tf.Session() as sess:
        print(sess.run(foo(sess)))

额外提一句：如果能升级到TensorFlow 2.x会更省心 #

TF2.x默认是即时执行模式，不需要手动管理Session和初始化，代码会简洁很多：

import tensorflow as tf

def foo():
    x = tf.Variable(tf.ones([1]))
    y = tf.ones([1])
    return x+y

if __name__ == '__main__':
    print(foo().numpy())

内容的提问来源于stack exchange，提问作者mehrtash