TensorFlow目标检测测试警告消除方法及使用影响咨询

Hey there! Let's tackle your questions step by step:

这些警告会影响后续使用目标检测API吗？ #

首先看你的测试结果：Ran 22 tests in 0.141s OK (skipped=1)，这说明核心功能完全正常，当前版本的目标检测API可以正常使用。这些警告都是弃用（Deprecation）警告——它们只是告诉你某些API/方法会在未来的版本中被移除，但在当前你使用的TensorFlow和NumPy版本里，这些功能仍然是有效的。

不过要注意：如果之后你升级到TensorFlow 2.x或者更高版本的NumPy，这些警告可能会变成错误，导致代码运行失败。所以如果计划长期使用，最好还是针对性解决这些警告。

如何逐个消除这些警告？ #

1. TensorFlow contrib模块弃用警告 #

这个警告提示contrib模块不会出现在TF2.0中，原因是你当前使用的Object Detection API版本依赖TF1.x的contrib组件。解决方法：

• 如果你想继续使用TF1.x环境：可以忽略这个警告，或者切换到官方针对TF1.x维护的Object Detection API分支版本；
• 如果你准备升级到TF2.x：建议直接使用官方的TF2版本Object Detection API，它已经移除了对contrib模块的依赖，适配了TF2.x的新API。

2. NumPy np.asscalar弃用警告 #

这个是因为代码中使用了NumPy已弃用的np.asscalar()方法，官方推荐用a.item()替代。解决方法：

• 手动修改代码：找到报错路径numpy/lib/type_check.py中调用np.asscalar的位置，替换成对应的.item()方法；
• 升级Object Detection API：更新到最新版本的API，官方已经修复了这个兼容性问题；
• 临时方案：如果不想改代码，可以暂时忽略，当前NumPy版本还支持这个方法。

3. tf.to_float弃用警告 #

这个是因为grid_anchor_generator.py中使用了已弃用的tf.to_float()，官方推荐用tf.cast()替代。解决方法：

• 手动修改代码：打开C:\Users\765349\Downloads\models\research\object_detection\anchor_generators\grid_anchor_generator.py，找到第59行的to_float调用，替换成tf.cast(your_tensor, tf.float32)；
• 升级Object Detection API：新版本的API已经把这类旧API调用替换成了TF1.x后期或TF2.x的兼容写法。

快速屏蔽所有警告（不推荐长期使用） #

如果只是想临时屏蔽警告，不想修改代码，可以在测试脚本的开头添加以下代码：

import warnings
# 屏蔽NumPy的DeprecationWarning
warnings.filterwarnings("ignore", category=DeprecationWarning)

import tensorflow as tf
# 屏蔽TensorFlow的弃用警告
tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)

不过这种方法只是“掩盖”警告，没有从根本上解决兼容性问题，不推荐长期使用。

内容的提问来源于stack exchange，提问作者vansh_mohale