我装的是2.8版本的TensorFlow，但我用的代码用的是1.x的，我找了几种方法，目前我正在用的是
import tensorflow.compat.v1 as tf
tf.disable_eager_execution()
#关闭eager运算，用于版本转换
##上面的用在开头处
tf.reset_default_graph()
##用于清除默认图形堆栈并重置全局默认图形。
##不清除的话，会报错说哪里哪里已创建什么的，代码运行一次要清除一次
with tf.variable_scope('x',reuse=tf.AUTO_REUSE):
#在用tf.variable_scope时，不加reuse=tf.AUTO_REUSE，也会报错
第一段是导入库时候用的，直接按1.x版本导入，不过好像还是会有些问题；第二段可以和导入库的时候一起运行（不过测试的时候，就需要多次导入库了，建议重开一行运行）；第三段是我在用tf.variable_scope（）函数时遇到报错时的解决方法。
除了我这种方式，还有一种是在每一条代码后加.compat.v1，例如tf.compat.v1.variable_scope（），我觉得太麻烦了。
如果以后还会遇到有关TensorFlow的版本问题的话，还会在这里更新，如果大家也遇到过相关问题的话，有对应的解决方式建议在留在评论区，尝试成功后我可以整合进来。
