Colab中Matterport Mask-RCNN与TensorFlow兼容问题求助

问题背景 #

在Colab的Jupyter Notebook中运行Mask-RCNN，克隆官方仓库：

!git clone https://github.com/matterport/Mask_RCNN.git

手动修改model.py中的KE.Layer为KE.base_layer.Layer后，仍出现如下报错：

TypeError: Could not build a TypeSpec for KerasTensor(type_spec=TensorSpec(shape=(None, None, 4), dtype=tf.float32, name=None), name='tf.math.truediv/truediv:0', description="created by layer 'tf.math.truediv'") of unsupported type <class 'keras.engine.keras_tensor.KerasTensor'>.

确认是TensorFlow版本兼容问题，后续陷入依赖循环：

• 仓库自带的requirements.txt因pip的parse_requirements方法兼容问题无法正常安装依赖
• 尝试安装TensorFlow 1.14.0时，虽可通过指定whl包安装，但无法将该配置写入requirements.txt，且会与现有依赖（如kapre 0.3.7要求tensorflow>=2.0.0）冲突

需求：寻找适配TensorFlow 2.x环境的Mask-RCNN分支，需支持自定义COCO格式类别，且可在Colab正常运行。

解决方案 #

1. 选用TF2.x兼容的Mask-RCNN分支 #

直接使用社区维护的、已完成TensorFlow 2.x适配的Mask-RCNN衍生分支，这类分支已经修复了KerasTensor类型相关的兼容报错，无需手动修改model.py中的层引用代码。

• 克隆分支后，直接执行!pip install -r requirements.txt即可安装适配的依赖，不会出现parse_requirements的兼容问题

2. 配置自定义COCO格式类别 #

这类兼容分支大多保留了原版的COCO数据集接口，只需简单调整即可支持自定义类别：

• 准备好符合COCO格式的标注文件（annotations.json）和对应图片数据集
• 修改分支中的coco.py（或对应数据集配置文件），在class_names列表中添加你的自定义类别名称，同时将NUM_CLASSES参数设置为「自定义类别数量 + 1」（+1是因为要包含背景类）
• 在训练脚本中指定你的数据集路径和标注文件路径，即可启动训练

3. Colab环境避坑指南 #

• 先卸载现有TensorFlow版本：!pip uninstall tensorflow -y，再安装分支要求的TF2.x版本（如2.8.x或2.10.x，具体以分支的requirements.txt为准）
• 安装依赖时加上--upgrade参数，避免版本冲突：!pip install -r requirements.txt --upgrade
• 如果遇到kapre等依赖冲突，可单独安装兼容版本并跳过依赖检查：!pip install kapre==0.3.7 --no-deps（前提是分支代码不依赖kapre的TF2专属特性）

内容的提问来源于stack exchange，提问作者ArieAI