指定TensorFlow版本下EfficientPose调用layers.Input报类型错误求助

错误核心原因 #

在nvidia-tensorflow==1.15.4+nv20.12版本中，keras.layers.Input的shape参数仅接受纯整数组成的元组/列表，若传入的input_shape是带字符串索引的字典、自定义类实例等结构，就会触发TypeError: list indices must be integers or slices, not str错误——因为TF1.15的shape解析逻辑无法处理字符串索引。

具体解决步骤 #

1. 排查input_shape的实际结构 #

在调用layers.Input前添加调试代码，确认input_shape的类型和内容：

print("input_shape类型:", type(input_shape))
print("input_shape内容:", input_shape)

如果输出是字典（比如{'height': 480, 'width': 640, 'channels': 3}）或其他带字符串键的结构，直接进入下一步修正。

2. 将input_shape转换为TF1.15兼容格式 #

根据input_shape的实际结构，提取纯整数值组成元组/列表：

• 若为字典：

  # 示例：从字典中提取高、宽、通道数，顺序根据模型需求调整
  input_shape = (input_shape['height'], input_shape['width'], input_shape['channels'])
  

• 若为自定义对象：

  # 示例：假设对象有h/w/c属性
  input_shape = (input_shape.h, input_shape.w, input_shape.c)
  

3. 修正Input层调用代码 #

TF1.15中建议显式指定dtype，避免隐式转换异常，修改后的调用：

import tensorflow as tf
from tensorflow.keras import layers

# 确保input_shape是纯整数元组/列表
input_tensor = layers.Input(shape=input_shape, dtype=tf.float32)

4. 排查protobuf版本兼容问题 #

你当前使用的protobuf==4.25.1与TF1.15存在版本兼容风险（TF1.15原生适配protobuf3.x），可临时降级验证：

pip install protobuf==3.20.3 --force-reinstall

若降级后错误消失，说明是protobuf版本导致的shape解析异常，需保留该兼容版本。

代码修正示例 #

假设原错误代码片段：

# config是包含字符串键的字典
input_shape = config['input_size']
input_layer = layers.Input(shape=input_shape)

修正后：

input_shape = (config['input_size']['h'], config['input_size']['w'], config['input_size']['c'])
input_layer = layers.Input(shape=input_shape, dtype=tf.float32)

内容的提问来源于stack exchange，提问作者Mona Jalal