将下列语句转化为tensorflow2.x版本：sigz = tf.multiply(P11,tf.expand_dims(M1, axis=1))+tf.multiply(P22,tf.expand_dims(M2, axis=1)))

在TensorFlow 2.x版本中，代码风格更倾向于使用 `tf.constant` 或者 `tf.Variable` 来初始化数据，并且通常需要在使用变量之前明确地调用 `tf.compat.v1.disable_eager_execution()` 来关闭 eager execution，除非你是在使用 eager execution（这种情况下就不需要关闭它）。下面是将给定语句转化为TensorFlow 2.x版本的代码：

import tensorflow as tf

# 假设 P11, P22, M1, M2 已经是TensorFlow张量或者其他可以转换成张量的对象
# 如果它们不是张量，你需要先将它们转换成TensorFlow张量，例如：
# P11 = tf.constant(P11_value, dtype=tf.float32)
# P22 = tf.constant(P22_value, dtype=tf.float32)
# M1 = tf.constant(M1_value, dtype=tf.float32)
# M2 = tf.constant(M2_value, dtype=tf.float32)

# 关闭 eager execution
tf.compat.v1.disable_eager_execution()

# 转换语句
sigz = tf.multiply(P11, tf.expand_dims(M1, axis=1)) + tf.multiply(P22, tf.expand_dims(M2, axis=1))

# 注意：在TensorFlow 2.x中，通常不需要tf.Session()，直接使用tf.function装饰器或者调用EagerTensor的方法即可。

这段代码中，我们使用 `tf.multiply` 来进行元素乘法操作，`tf.expand_dims` 来增加张量的维度，然后使用加号将两个结果相加。TensorFlow 2.x默认使用 Eager Execution 模式，使得代码更加直观易懂。