tf.global_variables() 是 TensorFlow 1.x 中的一个函数，它返回图中所有的全局变量。在 TensorFlow 2.x 中，这个函数已经被移除了，取而代之的是 tf.compat.v1.global_variables()。

然而，在 TensorFlow 2.x 中，更推荐使用 tf.Variable 直接创建变量，并通过模型对象的 trainable_variables 和 non_trainable_variables 属性来访问模型中的变量。

例如，以下代码展示了如何在 TensorFlow 2.x 中创建和访问变量：

import tensorflow as tf  # 创建一个变量  
v = tf.Variable([1, 2], name="my_variable")  # 创建一个模型，并将变量添加到模型中  
model = tf.keras.Model()  
model.add(tf.keras.layers.Dense(10, input_shape=(32,), kernel_initializer='zeros'))  
model.add(tf.keras.layers.Dense(1, kernel_initializer='zeros'))  
model.trainable_variables = [v]   # 将自定义变量添加到可训练参数中# 访问模型中的变量  
for var in model.trainable_variables:  print(var)

在这个例子中，我们首先创建了一个名为 “my_variable” 的变量 v，然后创建了一个模型，并将变量 v 添加到模型的可训练变量列表中。最后，我们使用 model.trainable_variables 访问了模型中的所有可训练变量，并打印了它们的值。