Colab Pro+是否未扩容内存？训练先内存超限调batch后报解包错误

报错核心原因 #

你遇到的ValueError: not enough values to unpack (expected 7, got 0)错误，本质是损失计算环节没有拿到预期的7个返回值，仅得到空结果，和调整batch size的操作无直接关联，属于训练链路前置环节异常触发的报错，可按以下优先级排查：

排查步骤 #

• 缓存与数据集异常排查

此前内存溢出报错大概率损坏了运行时缓存的训练数据/输入队列，导致后续训练时没有有效数据输入模型，最终损失计算环节无输出。

1. 清空当前Colab运行时所有缓存，重启运行时后重新挂载谷歌云盘，避免残留异常数据
2. 核对pipeline配置文件中填写的训练数据集、标注文件路径，确认文件没有被移动、删除，且Colab拥有对应文件的读取权限
3. 单独编写小脚本测试数据集加载流程，确认输入队列可以正常输出样本与标注数据

• 配置文件兼容性排查

你使用的TensorFlow 1.15版本Object Detection API，和量化版SSD模型的配置参数存在隐藏冲突，调整batch size后触发了该冲突。

1. 打开ssd_mobilenet_v1_0.75_depth_quantized_300x300_coco14_sync.config配置文件，将train_config下的use_multiclass_scores参数设置为false，低版本量化SSD不需要开启该参数
2. 确认配置文件中batch size调整后，num_clones、batch_queue_capacity等配套参数匹配单卡训练要求，删除多卡分布式训练的相关配置

• 运行时环境变动排查

Colab后台会不定期更新预装依赖版本，此前正常运行的环境可能已经发生变动，导致依赖接口不兼容。

1. 训练启动前先执行命令!pip install tensorflow-gpu==1.15.2，强制锁定TensorFlow版本，避免调用Colab预装的高版本TensorFlow
2. 重新编译Object Detection API的Protobuf文件，确认所有依赖都正常安装生效

内容的提问来源于stack exchange，提问作者PedroJung