报错信息 TypeError: __init__() got an unexpected keyword argument 'reuse' 表明代码中 tf.name_scope 被错误地使用了带有 reuse 参数，而 tf.name_scope 并不支持 reuse 参数。

reuse 参数通常用于 tf.variable_scope，但由于使用的是 TensorFlow 2.x，tf.variable_scope 已被移除或需要通过兼容性模式使用。

以下是解决此问题的几种方法：

方法 1：移除 reuse 参数

如果 reuse 参数在当前代码逻辑中不必要，可以直接删除。例如：

原代码：

with tf.name_scope("hello", reuse=reuse):
    # your code

修改后代码：

with tf.name_scope("hello"):
    # your code

方法 2：检查是否需要变量共享

如果希望实现变量共享（类似于 TensorFlow 1.x 的 variable_scope 的功能），可以使用 tf.keras.layers.Layer 或 tf.Module 的方式显式管理变量。例如：

原代码：

with tf.variable_scope("layer_name", reuse=reuse):
    hidden_layer = tf.layers.dense(input_tensor, units=num_units, activation=tf.nn.relu)

修改后代码：

hidden_layer = tf.keras.layers.Dense(units=num_units, activation='relu', name="layer_name")(input_tensor)

如果需要重用变量，可以通过显式创建 Layer 对象并重复调用来实现：

dense_layer = tf.keras.layers.Dense(units=num_units, activation='relu', name="layer_name")
hidden_layer1 = dense_layer(input_tensor1)
hidden_layer2 = dense_layer(input_tensor2)  # 重用同一个 Dense 层

方法 3：启用 TensorFlow 1.x 的兼容模式

如果代码依赖于 TensorFlow 1.x 的 variable_scope 和 reuse，可以启用兼容模式：

在代码开头添加：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

然后，保留原始代码中对 variable_scope 的使用：

with tf.variable_scope("layer_name", reuse=reuse):
    # your code

对你的程序来说，如果上述都不好使，那就直接安装一个tensorflow 1.10版本吧