导入tensorflow.compat.v1仍遇AttributeError：tensorflow无placeholder属性

我明白你遇到的困扰——明明导入了tf.compat.v1，却还是被placeholder的错误卡着。其实问题出在Keras组件和get_unet函数仍在调用TF2原生API，而TF2已经彻底移除了TF1的placeholder接口。下面给你一步步解决的方案：

核心原因 #

你的Input层（来自Keras）或者get_unet函数内部，大概率还依赖TF1的tf.placeholder逻辑，但默认情况下，即使你导入了tf.compat.v1，如果Keras用的是TF2版本的实现，它还是会调用原生TF的API，导致找不到placeholder。

具体解决步骤 #

1. 彻底切换到TF1兼容模式 #

在代码的最顶部执行以下设置，确保整个Python环境都使用TF1的兼容API：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
# 可选：完全禁用TF2的eager执行，模拟TF1的静态图模式
tf.enable_eager_execution = lambda: None

2. 使用TF1兼容的Keras组件 #

不要直接导入keras或者tensorflow.keras，改用tensorflow.compat.v1.keras下的组件，这样所有Keras层都会调用TF1的兼容API：

from tensorflow.compat.v1.keras import Input, Model
from tensorflow.compat.v1.keras.optimizers import Adam

3. 检查并修正get_unet函数 #

如果get_unet是你自己写的，确保里面所有TensorFlow调用都使用你导入的tf（即compat.v1版本）；如果是第三方代码，检查它的导入部分——如果里面写了import tensorflow as tf，要么把它改成import tensorflow.compat.v1 as tf，要么确保你的代码在导入get_unet之前就已经把tf设为compat.v1的别名（Python的导入顺序很关键）。

这里给你一个兼容TF1的get_unet示例片段：

def get_unet(input_img, n_filters=16, dropout=0.05, batchnorm=True):
    # 编码器第一层
    c1 = tf.keras.layers.Conv2D(n_filters, (3, 3), activation='relu', kernel_initializer='he_normal', padding='same')(input_img)
    if batchnorm:
        c1 = tf.keras.layers.BatchNormalization()(c1)
    c1 = tf.keras.layers.Conv2D(n_filters, (3, 3), activation='relu', kernel_initializer='he_normal', padding='same')(c1)
    if batchnorm:
        c1 = tf.keras.layers.BatchNormalization()(c1)
    p1 = tf.keras.layers.MaxPooling2D((2, 2))(c1)
    p1 = tf.keras.layers.Dropout(dropout)(p1)
    
    # 省略中间的U-Net结构...
    
    # 输出层
    outputs = tf.keras.layers.Conv2D(1, (1, 1), activation='sigmoid')(c6)
    model = Model(inputs=[input_img], outputs=[outputs])
    return model

4. 重新运行你的代码 #

现在执行模型定义和编译代码，应该就不会再出现placeholder的错误了：

height, width = 256, 256  # 根据你的数据集修改尺寸
input_img = Input((height, width, 1), name='img')
model = get_unet(input_img, n_filters=16, dropout=0.05, batchnorm=True)
model.compile(optimizer=Adam(), loss="binary_crossentropy", metrics=["accuracy"])

额外注意事项 #

• 如果你之前安装了独立的keras包，建议卸载它（pip uninstall keras），避免和tensorflow.compat.v1.keras产生版本冲突。
• 尽量不要混合使用TF1和TF2的API，比如不要在TF1兼容模式下调用tf.keras的组件，否则还是会触发兼容问题。

内容的提问来源于stack exchange，提问作者fiendfire28