return tf.contrib.layers.batch_norm(x, decay=self.momentum, updates_collections=None, epsilon=self.epsilon, scale=True, is_training=train, scope=self.name)将这段代码改成tensorflow2.版本的表示方式

在 TensorFlow 2.x 版本中，可以使用 `tf.keras.layers.BatchNormalization` 层来实现批量归一化操作。以下是将上述代码转换为 TensorFlow 2.x 版本的表示方式：

import tensorflow as tf

batch_norm = tf.keras.layers.BatchNormalization(
    momentum=self.momentum,
    epsilon=self.epsilon,
    scale=True,
    trainable=train,
    name=self.name
)
output = batch_norm(x, training=train)
return output

在 TensorFlow 2.x 中，批量归一化层被实现为一个可调用对象，我们可以将输入张量 `x` 传递给该对象来执行批量归一化操作。`training` 参数用于指定是否在训练时进行归一化。以上代码中，我们首先创建了一个 `BatchNormalization` 层对象 `batch_norm`，并将相关参数传递给它。然后，我们通过调用 `batch_norm` 对象并传递输入张量 `x` 和训练参数 `training` 来执行批量归一化操作，并将结果存储在 `output` 中，最后返回 `output`。