1.报错代码

self.inputs_base_structure_left = tf.placeholder(dtype=tf.float32, shape=[None, 2048, 2], name="inputs_left")  # initial a inputs to siamese_network

2. 报错原因

AttributeError: module 'tensorflow' has no attribute 'placeholder' 这个错误发生的原因是因为在较新版本的 TensorFlow 中，tf.placeholder 已经被弃用，取而代之的是使用 tf.compat.v1.placeholder 或者直接使用 TensorFlow 2.x 中的新特性，比如 tf.function 和 tf.Tensor 来定义输入。

TensorFlow 2.x 相较于 1.x 版本有着显著的变化，其中最重要的是引入了即时执行（Eager Execution）和函数式编程模型，这使得 TensorFlow 的使用变得更加直观和Pythonic。在 TensorFlow 2.x 中，许多 TensorFlow 1.x 的概念（比如图计算、会话等）都被简化或重新设计了。

3. 解决办法

1. 使用 TensorFlow 1.x 兼容模式：
   在 TensorFlow 2.x 中，你可以通过启用 TensorFlow 1.x 兼容模式来使用 tf.placeholder。在代码的开始处添加以下行：

   import tensorflow as tf
   tf.compat.v1.disable_eager_execution()
   

   然后，你可以使用 tf.compat.v1.placeholder 来创建占位符：

   x = tf.compat.v1.placeholder(tf.float32, shape=[None, 784])
   y = tf.compat.v1.placeholder(tf.float32, shape=[None, 10])
   

   注意，在 TensorFlow 2.x 中使用兼容模式可能会限制你使用 TensorFlow 2.x 的新特性。

2. 使用 TensorFlow 1.x 版本：（我的方法）
   如果你不打算将代码迁移到 TensorFlow 2.x，你可以考虑安装并使用 TensorFlow 1.x 版本。但请注意，TensorFlow 1.x 不再得到官方的积极支持，且存在安全隐患。

我开始使用tf.compat.v1.placeholder后来又出现了其他问题，我直接弃用了这种方法，然后安装了tensorflow1.15版本，直接完美运行代码