训练SSD时出现ValueError: Can't load save_path when it is None如何解决

你遇到的核心报错ValueError: Can't load save_path when it is None本质是代码读取预训练检查点失败返回空值，后续的张量未使用报错是该错误触发的衍生警告，无需单独处理，核心原因通常有以下几种：

• 代码的检查点加载逻辑缺陷：绝大多数开源SSD训练脚本默认会对传入的checkpoint_path调用tf.train.latest_checkpoint()接口，该接口的设计逻辑是仅接收目录作为输入，返回目录下最新的检查点路径，如果你直接传入预训练权重的文件前缀（即ssd_300_vgg.ckpt），接口会把该前缀当成目录去检索，找不到对应文件就返回None。
• 路径有效性问题：Colab挂载的谷歌云盘路径可能存在权限不足、文件名拼写错误、权重文件下载不完整/解压错误的情况，导致代码无法找到对应权重文件。
• 训练目录残留文件冲突：如果你的训练输出目录（train_dir）下存在之前训练生成的不完整检查点文件，代码会优先读取该目录下的检查点，找不到有效文件就返回None。
• 权重维度不匹配：如果你自定义数据集的类别数和官方预训练权重的类别数不一致，加载时最后一层权重维度不匹配也会触发加载失败。

按优先级依次尝试以下操作即可解决：

1. 验证权重路径有效性
   在Colab的代码块中依次执行以下命令，确认文件可正常访问：

# 确认云盘挂载正常，文件存在
!ls /content/gdrive/MyDrive/SSD-custom/checkpoint/
# 确认权重文件前缀可被正常识别
!ls /content/gdrive/MyDrive/SSD-custom/checkpoint/ssd_300_vgg.ckpt*

确保输出中包含ssd_300_vgg.ckpt.index和ssd_300_vgg.ckpt.data-00000-of-00001两个文件，没有多余的后缀（比如(1)、.zip等）。

2. 修改检查点加载逻辑
   找到train_ssd_network.py中加载预训练权重的代码段，将默认调用tf.train.latest_checkpoint()的逻辑修改为路径判断逻辑：

import os
# 原逻辑（替换掉）：checkpoint_path = tf.train.latest_checkpoint(FLAGS.checkpoint_path)
if os.path.exists(FLAGS.checkpoint_path + '.index'):
    # 传入的是具体权重前缀，直接使用
    checkpoint_path = FLAGS.checkpoint_path
else:
    # 传入的是目录，检索最新检查点
    checkpoint_path = tf.train.latest_checkpoint(FLAGS.checkpoint_path)

3. 调整启动参数
   启动训练时加上--ignore_missing_vars=True参数，或直接修改代码中该参数的默认值为True，避免因自定义类别数导致的权重维度不匹配问题。

4. 清空训练输出目录
   清空你设置的训练输出目录（train_dir）下的所有内容，避免残留的不完整检查点干扰权重加载逻辑。

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