YOLOv3+TensorFlow目标检测加载权重出现形状不兼容错误如何解决

这个报错和numpy版本无关，核心原因是模型结构与加载的权重不匹配：你当前实例化的是标准YOLOv3模型，要加载的是YOLOv3-Tiny的权重，二者第一层卷积输出通道数不同（标准YOLOv3为32，Tiny版本为16），因此触发形状不兼容报错，可按以下步骤修复：

• 第一步：调整模型导入与实例化代码
  你使用的yolov3_tf2库内置了Tiny版本的模型类，修改对应代码即可：
  原导入代码：

  from yolov3_tf2.models import YoloV3
  

  改为：

  from yolov3_tf2.models import YoloV3, YoloV3Tiny
  

  原模型实例化代码：

  yolo = YoloV3(classes=len(class_names))
  

  改为：

  yolo = YoloV3Tiny(classes=len(class_names))
  

• 第二步：确认权重正确性
  确保你存放在./weights/路径下的yolov3-tiny.tf是适配TensorFlow 2.x版本的转换后权重，不要直接使用Darknet原生的.weights格式文件重命名使用。
• 第三步：修复代码中其他语法错误
  你的代码还有两处缩进问题会导致后续运行报错：
  1. img_in = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)及后续到if cv2.waitKey(1) == ord('q')之前的代码，全部要缩进一层，放到while True循环内部，否则只会读取第一帧后就停止处理。
  2. 按下q退出后的资源释放代码位置错误，原代码中vid.release()等语句写在break之后永远不会执行，调整为：

  if cv2.waitKey(1) == ord('q'):
      vid.release()
      out.release()
      cv2.destroyAllWindows()
      break
  

内容的提问来源于stack exchange，提问作者azarath