init_op, init_feed = tf.compat.v1.contrib.framework.assign_from_values(weight_dict) session.run(init_op, init_feed)

这段代码中的 `session` 也是 TensorFlow 1.x 中的用法，如果你正在使用 TensorFlow 2.0 或更高版本，则需要使用 `tf.compat.v1.Session()` 函数来创建一个 TensorFlow 1.x 兼容的会话。

修改后的代码如下：

import tensorflow as tf

# 假设有一个权重字典，其中包含了模型中所有的权重张量及其对应的值
weight_dict = {...}

# 创建模型并编译
model = ...
model.compile(...)

# 创建一个 TensorFlow 1.x 兼容的会话
sess = tf.compat.v1.Session()

# 使用 assign 函数将权重张量的值设置为给定的值
for w in model.weights:
    sess.run(w.assign(weight_dict[w.name]))

# 关闭会话
sess.close()

在上面的示例代码中，我们首先定义了一个权重字典 `weight_dict`，其中包含了模型中所有的权重张量及其对应的值。然后，我们创建了一个模型并编译。

接下来，我们创建了一个 TensorFlow 1.x 兼容的会话，使用 `w.assign` 函数将权重张量的值设置为 `weight_dict` 中对应的值。最后，我们关闭了会话。

需要注意的是，如果你需要多次使用这个会话，可以将创建会话的代码放在一个函数中，并在每次使用时调用该函数，而不是重复创建和关闭会话。此外，如果你使用的 TensorFlow 版本为 1.x，则可以继续使用 `session.run(init_op, init_feed)` 的方式。