训练目标检测模型出现_dummy_computation_fn调用栈报错如何解决？

错误信息：
错误可能源自某一输入操作。与节点ResNet101V1_FPN/model/conv1_conv/Conv2D关联的输入源操作：ResNet101V1_FPN/model/lambda/Pad（定义于 /local/lib/python3.7/dist-packages/object_detection/models/keras_models/resnet_v1.py:51）
函数调用栈：_dummy_computation_fn

• 输入图像尺寸不符合下采样约束：ResNet101V1 backbone 共包含5次步长为2的下采样，要求输入图像的长宽必须是32的整数倍，否则Pad层的补零逻辑和后续Conv2D的步长计算不匹配，触发计算图校验阶段的dummy函数报错。
• 输入通道数不匹配：ResNet101V1默认接收3通道RGB输入，若传入单通道灰度图、4通道RGBA图像，Pad操作输出的张量通道数和Conv2D层预设的输入通道数不一致，会触发维度校验失败。
• 预处理逻辑异常：自定义预处理步骤中如果误将默认的HWC（通道在后）张量格式转为CHW（通道在前），或者缩放、裁剪操作后没有对齐维度，也会导致Pad层输出维度不符合后续卷积层的要求。

• 调整输入图像尺寸为32的整数倍：在数据预处理阶段添加尺寸对齐逻辑，参考代码如下：

import tensorflow as tf
def align_image_size(image, target_short_side=640):
    h, w = tf.shape(image)[0], tf.shape(image)[1]
    scale = target_short_side / tf.cast(tf.minimum(h, w), tf.float32)
    # 对齐到32的整数倍
    new_h = tf.cast(tf.round(h * scale / 32) * 32, tf.int32)
    new_w = tf.cast(tf.round(w * scale / 32) * 32, tf.int32)
    return tf.image.resize(image, (new_h, new_w))

• 统一输入通道数：在数据加载阶段添加通道校验，单通道图像复制为3通道，4通道图像提取前3通道，确保输入张量最后一维固定为3。
• 校验张量格式：检查自定义预处理逻辑，不要将HWC格式的张量转为CHW格式，保持和TF Object Detection API的默认格式一致。
• 调整训练配置文件：如果使用官方预置配置训练，检查image_resizer模块参数，使用fixed_shape_resizer时直接设置尺寸为32的整数倍（如640x640、800x800）；使用keep_aspect_ratio_resizer时确保pad_to_max_dimension参数值为32的整数倍。

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