tf.session() 在 tensorflow 2.x 中被彻底移除，因其默认启用急切执行；需先调用 tf.compat.v1.disable_eager_execution()，再使用 tf.compat.v1.session()，且禁用必须在任何 tensor 创建前执行。
tf.Session() 在 TensorFlow 2.x 中根本不存在
这不是拼写错误或导入遗漏，而是设计层面的移除。TensorFlow 2.x 默认启用急切执行（eager execution），所有运算立即求值，不再需要显式创建 Session 来“运行图”。所以当你写 sess = tf.Session()，Python 直接报 AttributeError: module 'tensorflow' has no attribute 'Session' —— 因为这个属性确实被删了。
tf.compat.v1.Session() 为什么有时仍会失败
即使改成 tf.compat.v1.Session()，也常遇到两个典型问题：
-
RuntimeError: The Session graph is empty：因为急切执行没关，tf.compat.v1.Session()尝试运行静态图，但此时操作已按 eager 模式执行完毕，图为空 -
AttributeError: module 'tensorflow._api.v2.compat.v1' has no attribute 'Sesstion'：纯属手误，比如把Session拼成Sesstion，注意是Session，不是Sesstion或session
正确做法必须同时满足两点：
- 在所有 TensorFlow 调用前加
tf.compat.v1.disable_eager_execution() - 使用
tf.compat.v1.Session()（注意拼写和路径）
为什么不能只换函数，还得关 eager 执行
急切执行和静态图机制互斥。一旦启用 eager（TF2 默认），tf.constant、tf.add 等直接返回具体数值，不构建图节点；而 tf.compat.v1.Session().run() 依赖图结构。不关 eager，就等于让司机开着电动车去加油站——根本没油管。
关键顺序不能错：
- 第一行代码就得是
import tensorflow as tf - 第二行必须是
tf.compat.v1.disable_eager_execution() - 之后才能定义
tf.constant、tf.placeholder（TF1 风格）等图节点
替代方案：真要迁移到 TF2，别硬套 Session
如果只是跑通旧代码，用 compat.v1 + disable_eager_execution() 是最快路径。但长期维护建议转向原生 TF2 模式：
- 去掉所有
Session、placeholder、run() - 用
@tf.function包裹可加速的函数（它自动构建图） - 变量直接用
tf.Variable，无需tf.global_variables_initializer() - Keras 模型训练直接调
model.fit()，不碰底层 session
真正容易被忽略的点是：disable_eager_execution() 必须在任何 Tensor 创建之前调用，哪怕只提前 import 了一个其他模块并触发了 TF 初始化，再调这个函数也会失效 —— 这类隐式初始化很难排查，往往只能重开 Python 进程。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
