TensorFlow1.15加载ssd_mobilenet_v2_fpn_keras报ValueError问题

问题复现 #

运行环境信息：

• 运行载体：Jupyter Notebook
• 依赖版本：Python 3.7.13、TensorFlow 1.15.5
• 实现逻辑：加载pipeline配置、构建检测模型、恢复检查点、定义推理函数，核心代码如下：

# Load pipeline config and build a detection model
configs = config_util.get_configs_from_pipeline_file(CONFIG_PATH)
detection_model = model_builder.build(model_config=configs['model'], is_training=False)

# Restore checkpoint
ckpt = tf.compat.v2.train.Checkpoint(model=detection_model)
ckpt.restore(os.path.join(CHECKPOINT_PATH, 'ckpt-7')).expect_partial()

@tf.function
def detect_fn(image):
    image, shapes = detection_model.preprocess(image)
    prediction_dict = detection_model.predict(image, shapes)
    detections = detection_model.postprocess(prediction_dict, shapes)
    return detections

执行模型构建语句时触发ValueError，核心报错信息如下：

ValueError: ssd_mobilenet_v2_fpn_keras is not supported for tf version 1. See model_builder.py for features extractors compatible with different versions of Tensorflow
报错根因：pipeline配置中指定的ssd_mobilenet_v2_fpn_keras特征提取器为TensorFlow 2.x专属Keras实现，不兼容当前TensorFlow 1.15.5版本。

排查解决流程 #

• 第一步：确认TF1.x适配的特征提取器名称
  找到本地Python环境安装路径下object_detection/builders/model_builder.py文件，定位到特征提取器版本校验的分支代码，查看TF1版本支持的特征提取器列表：所有带_keras后缀的特征提取器均为TF2专属，当前使用的MobileNetV2+FPN结构在TF1下的对应实现名为ssd_mobilenet_v2_fpn，无_keras后缀。
• 第二步：修改pipeline配置文件
  打开CONFIG_PATH指向的pipeline.config文件，定位到model.ssd.feature_extractor配置块，将type字段的取值从ssd_mobilenet_v2_fpn_keras修改为ssd_mobilenet_v2_fpn，其余配置（包括特征提取层通道数、锚框参数、预处理配置等）保持不变，避免和已训练的检查点权重结构不匹配。
• 第三步：根据检查点训练环境选择后续方案
  修改配置后如果加载检查点出现权重维度不匹配的报错，说明持有的ckpt-7检查点是基于TF2.x+Keras特征提取器训练得到，此时二选一即可：
  • 保留原有配置和检查点，将当前环境TensorFlow升级到2.4~2.6区间和Python3.7兼容的版本，同时匹配安装对应版本的Object Detection API，代码无需修改即可正常运行
  • 保留当前TF1.15.5环境，使用修改后的TF1兼容特征提取器配置重新训练模型，生成适配TF1版本的检查点后再执行推理
• 避坑说明：TF1.x环境下所有带_keras后缀的特征提取器均无法使用，这类实现完全基于TF2的Keras接口开发，未做TF1版本兼容。

内容的提问来源于stack exchange，提问作者Abrar El Aoua