Python tf.global_variables_initializer（）在引擎盖下做什么？

TensorFlow用户添加

init_op=tf.global_variables_initializer（）

在定义任何变量或操作，然后根据

Attempting to use uninitialized value

---

有一种解释，但它没有提到底层的

tf.global\u variables\u初始值设定项调用。它几乎是大规模复制。这个问题的重点是，当一些用户调用
sess.run（init_op）
时，仍然存在未初始化的值。示例代码和对什么
tf.global\u variables\u initializer
的分析将非常有用。
TensorFlow API有一个非常简短的部分。它只提到：

这只是
变量\初始值设定项（全局变量（））
的快捷方式

追溯到，我们可以看到该函数的用法如下：

tf.variables\u初始值设定项（var\u list，name='init'）

这意味着我们将
tf.global\u variables
作为
var\u列表
简单地传递到
tf.variables\u初始值设定项
。如果我们在调用
tf.global\u variables\u初始值设定项之前没有定义任何变量，
var\u list
基本上是空的。下面的代码说明了这一点：

将tensorflow导入为tf
使用tf.Graph（）作为默认值（）：
#什么也没印
对于tf.global_变量（）中的v：
印刷品
init_op=tf.global_variables_initializer（）
a=tf.变量（0）
b=tf.变量（0）
c=tf.变量（0）
#这里打印了3个变量
对于tf.global_变量（）中的v：
印刷品
使用tf.Session（）作为sess：
sess.run（初始化操作）
打印sess.run（a）

打印出的3个变量如下：

<tf.Variable 'Variable:0' shape=() dtype=int32_ref>
<tf.Variable 'Variable_1:0' shape=() dtype=int32_ref>
<tf.Variable 'Variable_2:0' shape=() dtype=int32_ref>

将
init_op
的位置切换到
a b c
之后：

a=tf.变量（0）
b=tf.变量（0）
c=tf.变量（0）
init_op=tf.global_variables_initializer（）

将使它工作。
该文件实际上有一个非常详细和有用的。你特别了解到

在运行模型中的其他操作之前，必须显式运行变量初始值设定项。最简单的方法是添加一个运行所有变量初始值设定项的op，并在使用模型之前运行该op。（..）使用
tf.global_variables_initializer（）
添加一个op以运行变量初始化器

所以基本上
tf.global\u variables\u initializer（）
检查所有变量，并调用

sess.run(my_var.initializer)

tf.global\u variables\u initializer（）
立即自动执行此操作。此函数可以节省时间，但从技术上讲，您不必调用它，并且可以通过其他方式初始化变量（最常见的示例：从文件恢复权重）

它如何了解所有变量？默认情况下，创建
变量
时，会将其添加到tensorflow的
全局变量
集合中。因此，
global\u variables\u initializer
基本上是迭代这个集合的变量并调用它们的initializer

但是，
Variable
允许您选择要将其放入的集合。如果从
GLOBAL\u VARIABLES
中排除变量，则创建的变量将不会由
tf\u GLOBAL\u VARIABLES\u初始值设定项（）初始化：

将tensorflow导入为tf
x=tf.变量（0）
my_vars=[]
y=tf.Variable（0，collections=my_vars）
sess=tf.InteractiveSession（）
tf.global_variables_initializer（）.run（）#不初始化y！
打印（x.eval（））
# 0
打印（y.eval（））
#FailedPremissionError:尝试使用未初始化的值变量_2
此问题可能重复的内容与您链接的内容不同。添加了上面这个问题的焦点。我正在使用tf 1.15和
tf。变量\初始值设定项
不再可用。相反，
tf.global\u variables\u initializer（）
等于
tf.initialize\u variables（var\u list=tf.global\u variables（））
sess.run(my_var.initializer)