【tf-efficientdet】训练自己的数据集问题总结

【tf-efficientdet】训练自己的数据集问题总结

我的环境：

参考的博客大大都说最好安装tensorflow2.1.0版本，可惜我的python是3.8的，好像安装不了，只能安了2.2.0，以下大半问题都是环境问题，害。

1.yaml

ModuleNotFoundError: No module named ‘yaml’
yaml包安装时名为pyyaml

pip install pyyaml

2.has no attribute

（1）‘enable_v2_dtype_behavior’

AttributeError: module ‘tensorflow.python.keras.api._v1.keras.layers’ has no attribute ‘enable_v2_dtype_behavior’
原句

 tf.compat.v1.keras.layers.enable_v2_dtype_behavior()

改为

  tf.compat.v1.enable_v2_behavior()

（2）AUTOTUNE

‘tensorflow._api.v2.data’ has no attribute ‘AUTOTUNE’
将tf.data.AUTOTUNE，改为

tf.data.experimental.AUTOTUNE

（3）no attribute ‘Policy’

tensorflow.python.keras.api._v2.keras.mixed_precision’ has no attribute ‘Policy’
原句：

tf2.keras.mixed_precision.Policy(policy_name)

改为

tf2.keras.mixed_precision.experimental.Policy

（4）‘set_global_policy’

module ‘tensorflow.python.keras.api._v2.keras.mixed_precision’ has no attribute ‘set_global_policy’
将set_global_policy改为set_policy

  #tf2.keras.mixed_precision.set_global_policy(policy)
  tf2.keras.mixed_precision.experimental.set_policy(policy)

（5） ‘variance_scaling’

AttributeError: module ‘tensorflow.keras.initializers’ has no attribute ‘variance_scaling’
'variance_scaling’改为VarianceScaling(),

 # pointwise_initializer=tf.initializers.variance_scaling(),
 pointwise_initializer=tf.initializers.VarianceScaling(),

3.载入模型报错

Unsuccessful TensorSliceReader constructor: Failed to find any matching files for efficientdet-d0

这个问题众说纷纭，很多人是模型保存时出现这个问题，解决方法就是修改保存模型那句代码，或是说因为tf版本不兼容导致的，要修改tf版本，不过我这儿是载入efficientdet-d0时出现的，于是将参数里的预训练模型所在目录相对路径改为绝对路径，

#--ckpt=efficientdet-d0 \
--ckpt=F:/Efficientdet/automl-master/efficientdet-d0 \

注意，这时会报一个错误，文件名要以“efficientdet”开始，这时只要进入那个子函数，将相关代码的返回错误那句删掉，不进行文件名的判断，直接return结果即可。

4.TypeError: ‘<’ not supported between instances of ‘str’ and ‘int’

TypeError: ‘<’ not supported between instances of ‘str’ and ‘int’
数据类型错误，提示错误句是这句，那只能是sorted()函数排序时的数据类型了，于是把label_map打印出来看一下，

for i, cid in enumerate(sorted(label_map.keys())):

前面哪个地方写类别时错了，内容写进了索引，害，改之。

---

今天，你debug了吗