使用tf.function和tf.Tensor来完成placeholder相同的功能

在 TensorFlow 2.0 中，`tf.placeholder` 被废弃了，推荐使用 `tf.function` 和 `tf.Tensor` 来完成类似的功能。

`tf.function` 是 TensorFlow 2.0 中引入的新特性，可以将 Python 函数编译成 TensorFlow 图。在函数中使用 `tf.Tensor` 对象代替 `tf.placeholder`，相当于在函数中定义了输入参数的形状和类型。例如：

import tensorflow as tf

@tf.function
def my_func(x: tf.Tensor):
    y = tf.square(x) + 3
    return y

# 调用函数
x = tf.constant(2.0, dtype=tf.float32)
result = my_func(x)
print(result)

在上面的例子中，`my_func` 函数使用 `tf.Tensor` 对象 `x` 作为输入参数，而不是使用 `tf.placeholder`。在调用函数时，我们使用 `tf.constant` 函数创建一个 `tf.Tensor` 对象作为输入参数。

需要注意的是，`tf.Tensor` 对象是不可修改的，因此不能像 `tf.placeholder` 那样在运行时动态改变形状和类型。如果需要动态改变形状和类型，可以使用 `tf.Variable` 或者 `tf.reshape` 等函数。