谷歌Colab Python环境下TensorFlow2.5.0替换placeholder的最佳方法

AttributeError: module 'tensorflow' has no attribute 'placeholder' 是因为TensorFlow 2.x版本完全废弃了1.x版本的静态图占位符接口tf.placeholder，2.x默认开启Eager Execution模式，无需预先构建静态计算图、提前声明输入占位符。

提供两种适配方式，可根据项目需求选择：

方案1：适配TF2原生Eager模式（推荐） #

删除原有定义占位符的代码，训练阶段直接将真实数据转换为符合shape要求的tf.Tensor类型，传入模型执行运算即可，无需提前声明输入的占位符。
示例训练逻辑参考：

# 无需提前定义train_inputs、train_outputs占位符列表
for step in range(total_train_steps):
    # 取出当前批次的真实数据，shape和原占位符定义的规则保持一致即可
    batch_x = tf.convert_to_tensor(input_dataset[step*batch_size : (step+1)*batch_size], dtype=tf.float32)
    batch_y = tf.convert_to_tensor(output_dataset[step*batch_size : (step+1)*batch_size], dtype=tf.float32)
    # 直接执行前向传播、梯度计算、参数更新逻辑
    with tf.GradientTape() as tape:
        pred = model(batch_x)
        loss = loss_function(batch_y, pred)
    grads = tape.gradient(loss, model.trainable_variables)
    optimizer.apply_gradients(zip(grads, model.trainable_variables))

方案2：兼容1.x静态图逻辑（临时过渡用） #

如果不想改动原有1.x架构的静态图代码，可以直接替换接口实现快速兼容：

1. 在代码入口处添加关闭Eager Execution的配置
2. 将tf.placeholder替换为兼容接口tf.compat.v1.placeholder，同时补全原代码中缺失的shape=后的等号
   修改后代码如下：

# 代码最开头添加，关闭Eager模式，启用1.x静态图逻辑
tf.compat.v1.disable_eager_execution()

# 修改后的占位符定义逻辑
for ui in range(num_unrollings):
    train_inputs.append(tf.compat.v1.placeholder(tf.float32, shape=[batch_size,D],name='train_inputs_%d'%ui))
    train_outputs.append(tf.compat.v1.placeholder(tf.float32, shape=[batch_size,1], name = 'train_outputs_%d'%ui))

注：该方案仅为临时过渡方案，长期迭代的项目建议优先适配原生TF2的Eager模式，可提升代码可调试性与运行效率。

内容的提问来源于stack exchange，提问作者iceAtNight7