Jupyter-notebook运行报错ModuleNotFoundError: No module named 'object_detection'咨询

• 问题持续时间：2天
• 触发场景：执行模型训练、导出TFRecords操作时出现报错
• 运行环境：通过Jupyter Notebook启动的Anaconda3环境，搭载Python 3.9版本
• 报错信息已同步核查

• 校验TFRecord写入逻辑的类型匹配
  绝大多数这类报错都是写入tf.train.Example时，feature声明类型和实际传入值类型不匹配导致，比如本该传入int64的字段传入了float、字符串没有正确转为bytes格式。可参考以下标准feature转换函数统一处理：

  import tensorflow as tf
  
  # 字节类型转换
  def _bytes_feature(value):
      if isinstance(value, type(tf.constant(0))):
          value = value.numpy()
      return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))
  
  # 整数类型转换
  def _int64_feature(value):
      return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
  
  # 浮点数类型转换
  def _float_feature(value):
      return tf.train.Feature(float_list=tf.train.FloatList(value=[value]))
  

• 检查TensorFlow版本兼容性
  Python 3.9适配的TensorFlow正式版本范围为2.5~2.15，可在环境中运行pip show tensorflow查看当前安装版本，版本不匹配时可执行指定版本安装命令：pip install tensorflow==2.10.0（可根据自身业务需求选择对应适配版本）
• 确认Jupyter内核匹配
  部分情况下Jupyter会默认启动全局内核而非Anaconda对应虚拟环境的内核，可在Notebook中运行import sys; print(sys.executable)打印当前Python路径，确认和你使用的Anaconda环境路径一致，避免内核错配导致依赖调用异常
• 增加坏数据兼容逻辑
  导出TFRecords前遍历原始数据集时，增加异常捕获逻辑，跳过损坏、格式异常的样本，避免单条坏数据中断整个导出流程

内容的提问来源于stack exchange，提问作者EvilTwin