def _main(): t1 = read_img('D:/SteganoGAN-master/research/ruanjian.png') t2 = read_img('D:/SteganoGAN-master/research/outtt.png') with tf.compat.v1.Session() as sess: sess.run(tf.global_variables_initializer()) y = sess.run(psnr(t1, t2)) print(y) 怎么用TensorFlow2.1运行

在 TensorFlow 2.1 中，Session 已经被移除了，所以你需要使用 Eager Execution 模式下的 TensorFlow。此外，TensorFlow 2.1 默认使用 Keras API，所以你需要使用 `tf.keras` 模块来代替原来的 `tf.layers` 和 `tf.nn` 模块。修改后的代码如下：

import tensorflow as tf
from tensorflow.keras.preprocessing.image import load_img, img_to_array

def read_img(path):
    img = load_img(path, target_size=(256, 256))
    img = img_to_array(img) / 255.0
    return img

def psnr(y_true, y_pred):
    return tf.image.psnr(y_true, y_pred, max_val=1.0)

def main():
    t1 = read_img('D:/SteganoGAN-master/research/ruanjian.png')
    t2 = read_img('D:/SteganoGAN-master/research/outtt.png')
    y = psnr(t1, t2)
    print(y.numpy())

if __name__ == '__main__':
    main()

在这个修改后的代码中，我们首先使用 `load_img` 和 `img_to_array` 函数读取图像数据，并将其归一化到 [0,1] 范围内。接着，我们使用 `tf.image.psnr` 函数计算两张图像之间的 PSNR 值，最后使用 `numpy()` 方法将结果转换为 NumPy 数组并打印出来。