如何成功运行TensorFlow1模型库中的MobileDet预训练模型？

我之前折腾过MobileDet在TF1.x环境下的部署，刚好遇到过类似的问题，给你拆解下错误原因和可行的解决思路：

错误1：加载tflite_graph.pb时的FusedBatchNormV3属性不兼容 #

问题根源 #

你用的tflite_graph.pb大概率是用比TF1.15更高版本的TensorFlow（比如TF2.x或TF1.15之后的兼容版本）导出的，导致图中的FusedBatchNormV3节点带有TF1.15不支持的exponential_avg_factor属性——TF1.15的FusedBatchNormV3 Op定义里确实没有这个属性，所以导入时会触发兼容性报错。

解决办法 #

不要直接用预训练包里的tflite_graph.pb，而是用ckpt文件重新导出兼容TF1.15的推理图：

1. 确保你用的TensorFlow Object Detection API版本和TF1.15匹配：建议下载2020年5月左右的models repo commit（也就是MobileDet预训练模型发布的时间点），避免版本不兼容。
2. 找到对应的MobileDet pipeline配置文件（可以从预训练包或models repo的samples/configs目录里找到ssdlite_mobiledet_cpu_320x320_coco.config）。
3. 运行API自带的export_inference_graph.py脚本导出推理图：

   python export_inference_graph.py \
       --input_type image_tensor \
       --pipeline_config_path ./ssdlite_mobiledet_cpu_320x320_coco.config \
       --trained_checkpoint_prefix ./tf_ckpts/ssdlite_mobiledet_cpu_320x320_coco_2020_05_19/model.ckpt-400000 \
       --output_directory ./mobiledet_inference_graph
   

4. 用导出目录里的frozen_inference_graph.pb来加载，这应该能完美兼容TF1.15。

错误2：加载ckpt时的LegacyParallelInterleaveDatasetV2 Op未注册 #

问题根源 #

这个Op属于tf.data模块，你的TF1.15环境里没有注册这个Op，大概率是因为模型训练时用了更高版本的TF（比如TF1.15之后的版本或TF2.x），或者你没有提前导入依赖模块导致Op没有被懒加载。

解决办法 #

• 加载ckpt前，先确保相关模块已经导入，触发Op的注册。比如在代码开头加入：

  import tensorflow as tf
  # 导入Object Detection API模块，触发自定义Op和tf.data相关Op的注册
  from object_detection.utils import label_map_util
  

• 同样建议用匹配版本的Object Detection API来加载模型，避免训练和推理环境的Op定义不一致。

整体验证步骤 #

1. 确认TF版本是1.15，安装对应版本的Object Detection API（protobuf版本建议用3.8.0，避免版本冲突）。
2. 用上述方法重新导出frozen_inference_graph.pb。
3. 用以下代码测试加载和推理：

   import os
   import tensorflow as tf
   import numpy as np
   from PIL import Image
   
   MODEL_DIR = './mobiledet_inference_graph/'
   MODEL_PATH = os.path.join(MODEL_DIR, 'frozen_inference_graph.pb')
   
   # 加载模型
   detection_graph = tf.Graph()
   with detection_graph.as_default():
       od_graph_def = tf.GraphDef()
       with tf.gfile.GFile(MODEL_PATH, 'rb') as fid:
           serialized_graph = fid.read()
           od_graph_def.ParseFromString(serialized_graph)
           tf.import_graph_def(od_graph_def, name='')
   
   # 准备测试图片
   image_path = 'test_image.jpg'
   image = Image.open(image_path)
   image_np = np.array(image)
   image_np_expanded = np.expand_dims(image_np, axis=0)
   
   # 运行推理
   with tf.Session(graph=detection_graph) as sess:
       image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
       detection_boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
       detection_scores = detection_graph.get_tensor_by_name('detection_scores:0')
       detection_classes = detection_graph.get_tensor_by_name('detection_classes:0')
       num_detections = detection_graph.get_tensor_by_name('num_detections:0')
   
       (boxes, scores, classes, num) = sess.run(
           [detection_boxes, detection_scores, detection_classes, num_detections],
           feed_dict={image_tensor: image_np_expanded})
   
       print(f"检测到{int(num[0])}个目标")
   

我之前用这套流程在TF1.15环境下成功运行过MobileDet模型，应该能解决你的问题。

内容的提问来源于stack exchange，提问作者Shane Zhao