Colab升级TensorFlow后YOLOv4+DeepSORT仅追踪初始帧求助

一、TensorFlow 2.3.0安装失败的解决办法 #

Colab官方源已移除TF2.3.0的包，可尝试两种路径：

• 旧版运行时尝试（若可用）：点击Colab顶部「代码执行程序」→「更改运行时类型」，尝试选择Python 3.7环境，之后执行!pip install tensorflow==2.3.0，部分旧版运行时仍支持该版本安装。
• 源码编译安装：步骤如下（耗时较长，需预留足够资源）：
  1. 安装编译依赖：

     !apt-get install gcc-7 g++-7
     !update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 70 --slave /usr/bin/g++ g++ /usr/bin/g++-7
     

  2. 克隆TF2.3.0源码并编译安装：

     !git clone -b v2.3.0 https://github.com/tensorflow/tensorflow.git
     !cd tensorflow && ./configure
     !cd tensorflow && bazel build //tensorflow/tools/pip_package:build_pip_package
     !cd tensorflow && ./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
     !pip install /tmp/tensorflow_pkg/tensorflow-2.3.0*.whl
     

二、高版本TF下仅首帧追踪的修复 #

升级到TF2.5+后出现的追踪断档，是因为原仓库代码适配旧版TF API，可做以下修改：

1. 修改模型保存逻辑：打开save_model.py，把tf.keras.models.save_model(model, output_model_path, save_format='h5')改成model.save(output_model_path, save_format='tf')，高版本TF对H5格式模型加载存在兼容问题。
2. 适配TF2.x会话逻辑：在object_tracker.py和deep_sort模块中，将所有tf.compat.v1.Session()相关代码替换为TF2.x的Eager Execution模式，或用tf.function装饰器包裹原会话内的计算逻辑。
3. 检查张量维度与类型：确认特征提取部分的输入张量数据类型（如tf.float32）、维度是否符合高版本TF要求，若类型不匹配，添加tf.cast(tensor, tf.float32)做转换。
4. 重新导出模型：修改完save_model.py后重新运行，导出适配高版本TF的模型，再执行object_tracker.py。

三、快速替代方案 #

若不想手动修改代码，可直接查看仓库Issues区，找其他用户分享的TF2.x兼容补丁，或切换到仓库中专门适配高版本TF的分支（若存在），拉取代码后直接运行。

内容的提问来源于stack exchange，提问作者tpootai