keras当中对MobileNet进行fine-tuning出现的错误：Attempting to use uninitialized value

在对MobileNet进行fine-tuning的时候，出现了各种诡异的错误，在之前的博文介绍的错误当中，因为要将批量的图片数据通过指定的session转化为ndarry数据，因此代码如下

with tf.Session() as sess:
    image,label,oneHotlabel,imagePath=itertor.get_next()
    image,oneHotlabel=sess.run([image,oneHotlabel])
    model.fit(x=image,y=oneHotlabel,batch_size=11,epochs=10)

然而在指定完之后session之后运行的时候，网络却报出师徒尝试使用为初始化的值的错误，这也是莫名其妙，因为我的网络是采用keras的API直接实现fine-tuning的并不是采用TensorFlow完成编写的，部分代码如下：

x = base_model.get_layer("conv_pw_11_relu").output  # 获得conv_pw_12_relu层的输出
x = Conv2D(512, kernel_size=(3, 3))(x)
x = Activation("relu")(x)
x = AvgPool2D(pool_size=(5, 5))(x)
x = Dropout(rate=0.5)(x)
x=Conv2D(class_num,kernel_size=(1,1))(x)
x=Reshape((class_num,))(x)
predictions=Softmax()(x) #输出对各个类别的分类概率

 # finetune模型
model = Model(inputs=base_model.input, outputs=predictions)

通过查阅keras的文档也可以知道，新建的各个层在未指定的初始化的方式时，权重系数和偏置系数分别指定的是随机初始化，以及随机初始化，并且网络的另一部分是直接使用原有的MobileNet的结构以及权重参数。那么出现这个错误就非常的匪夷所思了，于是尝试着加上tf.global_variables_initializer().run()，没想到问题就解决了。

with tf.Session() as sess:
    tf.global_variables_initializer().run()
    image,label,oneHotlabel,imagePath=itertor.get_next()
    image,oneHotlabel=sess.run([image,oneHotlabel])
    model.fit(x=image,y=oneHotlabel,batch_size=11,epochs=10)

通过再次的检查，发现是with tf.Session() as sess:使得后面的模型也在这个session的范围内，但是我的初衷是只是把Tensor类型的数据通过sess.run转化为ndarry数据类型，于是代码在不加上tf.global_variables_initializer().run()的情况下，改为以下情况也可以解决未初始化的问题：

image,label,oneHotlabel,imagePath=itertor.get_next()
with tf.Session() as sess:
    image,oneHotlabel=sess.run([image,oneHotlabel])
model.fit(x=image,y=oneHotlabel,batch_size=11,epochs=10)

由此也可以知道控制好session的作用范围可以减少很多不必要的错误。

PS：在对MobileNet的fine-tuning的时候出现了各种奇奇怪怪的问题，除了这个之外，另外的问题还有：

keras当中对MobileNet进行fine-tuning出现的错误we expect the tensors to have a static batch size

keras当中对MobileNet进行fine-tuning出现的错误：could not create a dilated convolution forward descriptor

keras当中对MobileNe进行fine-tuning出现的错误：Attempting to use uninitialized value