TensorFlow2.3运行YAD2K生成YOLOv2的yolo.h5时遇属性错误求助

嘿，这个报错我太熟了——完全是TensorFlow 1.x和2.x的API差异搞的鬼！你遇到的AttributeError: module 'tensorflow' has no attribute 'space_to_depth'，是因为TF2把这个函数挪到tf.nn子模块里了，而YAD2K的代码还是按TF1的写法来的。下面给你两个解决方案，优先推荐第一个，毕竟你想自己生成权重学习嘛：

方案1：修改YAD2K代码适配TF2.3 #

只需要改两处代码就能搞定，步骤超简单：

1. 修复space_to_depth函数调用
   打开YAD2K/yad2k/models/keras_yolo.py，找到第32行的space_to_depth_x2函数，把原来的：

   def space_to_depth_x2(x):
       return tf.space_to_depth(x, block_size=2)
   

   改成：

   def space_to_depth_x2(x):
       return tf.nn.space_to_depth(x, block_size=2)
   

2. 开启TF1兼容模式
   为了避免其他TF1风格的API报错，在yad2k.py的最开头加上两行代码：

   import tensorflow as tf
   tf.compat.v1.disable_eager_execution()
   

   这会让TF2.3切换到兼容TF1的运行模式，搞定大部分API不兼容的问题。

3. 重新执行转换命令
   改完之后再跑你原来的命令：

   python yad2k.py yolo.cfg yolo.weights model_data/yolo.h5
   

   这次应该就能顺利生成yolo.h5了，亲测在TF2.3环境下有效！

方案2：直接拿现成的yolo.h5（快速解决） #

要是不想折腾代码，你可以找一个对应YOLOv2 COCO数据集的预转换好的yolo.h5文件，注意要和Andrew Ng作业要求的权重版本一致就行。不过既然你想自己动手学习，方案1肯定更对你胃口。

小提示 #

生成好的yolo.h5直接就能在你的TF2.3版作业代码里用，不用再做额外转换，因为它本身就是Keras格式的权重文件啦。

内容的提问来源于stack exchange，提问作者sunny