TensorFlow2预构建FRCNN模型训练牙齿数据集时Checkpoint报错求助

问题概述 #

使用TensorFlow2基于全景X光图像进行牙齿分类，已将图像缩至640x640并对应调整标注，测试运行正常，但加载预构建FRCNN模型恢复Checkpoint执行训练时，触发AssertionError，提示发现265个未与Checkpoint值绑定的Python对象。

环境依赖版本 #

• hdfs-2.7.0
• keras-2.11.0
• pyyaml-5.4.1
• tensorboard-2.11.2
• tensorflow-2.11.0

核心问题分析 #

从代码和错误信息来看，存在两个关键问题：

1. 预训练模型下载与解压不匹配：代码指定使用resnet50架构的FRCNN，但下载链接指向resnet152模型，解压包却对应resnet50，导致模型文件与架构不匹配。
2. fine_tune_checkpoint_type配置错误：将预训练检测模型的checkpoint类型设为classification，而预训练FRCNN是检测模型，类型不匹配导致大量变量无法与checkpoint绑定。

解决方案 #

1. 修正预训练模型下载与解压命令 #

确保下载的模型与使用的架构一致，若使用resnet50的配置文件，需下载对应模型：

!python object_detection/builders/model_builder_tf2_test.py
!python generate_tfrecord.py --csv_input=images/train/annotation.txt --image_dir=images/train --output_path=train.record
!python generate_tfrecord.py --csv_input=images/test/annotation.txt --image_dir=images/test --output_path=test.record
model_name = 'faster_rcnn_resnet50_v1_640x640_coco17_tpu-8'
!wget http://download.tensorflow.org/models/object_detection/tf2/20200711/{model_name}.tar.gz
!tar -xf {model_name}.tar.gz

2. 修正配置文件中的checkpoint类型 #

将fine_tune_checkpoint_type设为detection，匹配预训练检测模型的类型：

# 注释错误的classification设置，改为detection
# config = re.sub('fine_tune_checkpoint_type: "detection"', 
#             'fine_tune_checkpoint_type: "{}"'.format('classification'), config)
config = re.sub('fine_tune_checkpoint_type: "classification"', 
            'fine_tune_checkpoint_type: "{}"'.format('detection'), config)

3. 确保模型路径正确 #

修正fine_tune_checkpoint路径，指向解压后的正确checkpoint文件：

fine_tune_checkpoint = '/content/' + model_name + '/checkpoint/ckpt-0'

验证步骤 #

1. 删除之前生成的model_config.config和training/目录下的旧文件
2. 重新运行配置文件生成代码
3. 执行训练命令：

model_dir = 'training/'
pipeline_config_path = 'model_config.config'
!python /content/tensorflow-models/research/object_detection/model_main_tf2.py \
    --pipeline_config_path={pipeline_config_path} \
    --model_dir={model_dir} \
    --alsologtostderr \
    --num_train_steps={num_steps} \
    --sample_1_of_n_eval_examples=1 \
    --num_eval_steps={num_eval_steps}

内容的提问来源于stack exchange，提问作者seekme_94