TensorFlow2.12下Mask RCNN训练报错：'SGD'无'get_updates'属性求助

问题本质 #

TensorFlow 2.x的tf.keras.optimizers.SGD已经移除了get_updates方法，而旧版Mask RCNN代码仍在调用这个废弃API，导致报错。

具体修改步骤 #

1. 定位目标文件 #

打开Mask RCNN项目里的mrcnn/model.py文件（一般在项目根目录的mrcnn子文件夹下）。

2. 替换优化器相关代码 #

找到代码中初始化SGD并调用get_updates的段落（通常在compile方法内），将旧代码替换为TensorFlow 2.x兼容的写法：

原代码示例：

self.optimizer = SGD(lr=self.config.LEARNING_RATE, momentum=self.config.LEARNING_MOMENTUM)
updates = self.optimizer.get_updates(loss=self.loss, params=self.trainable_weights)

修改后的代码：

self.optimizer = tf.keras.optimizers.SGD(learning_rate=self.config.LEARNING_RATE, momentum=self.config.LEARNING_MOMENTUM)
# 用TF2标准的梯度更新逻辑替代get_updates
def train_step(data):
    x, y = data
    with tf.GradientTape() as tape:
        y_pred = self(x, training=True)
        loss = self.compiled_loss(y, y_pred, regularization_losses=self.losses)
    gradients = tape.gradient(loss, self.trainable_weights)
    self.optimizer.apply_gradients(zip(gradients, self.trainable_weights))
    self.compiled_metrics.update_state(y, y_pred)
    return {m.name: m.result() for m in self.metrics}

self.train_step = train_step

3. 适配训练流程 #

如果原来的代码使用了基于updates的自定义训练循环，直接改用model.fit()方法启动训练——这是TF2的标准训练模式，能彻底避开旧API的兼容问题。

4. 验证修改 #

保存文件后重新运行训练脚本，确认AttributeError报错消失。

内容的提问来源于stack exchange，提问作者Roman