使用TensorFlow Object Detection API训练自定义模型出现checkpoint告警中断

该问题本质是你使用的EfficientDet D6预训练权重和当前TensorFlow Object Detection API版本的模型结构不匹配，BiFPN层的BatchNormalization参数结构存在差异，可按以下优先级解决：

• 版本对齐：优先将TensorFlow Object Detection API和TensorFlow版本降级到2.4~2.7区间，该区间的官方预训练EfficientDet权重和模型结构完全匹配，不会出现参数不识别问题。
• 屏蔽警告继续训练：如果不需要完全加载预训练权重，可直接修改训练脚本中的权重加载代码，添加expect_partial()方法即可忽略未匹配的参数警告，未匹配的参数会自动随机初始化，不影响后续训练流程：

# 找到脚本中预训练权重加载的对应代码，修改为如下形式
load_status = tf.train.Checkpoint.restore(pretrained_ckpt_path)
load_status.expect_partial()

• 替换匹配的预训练权重：如果你不想降级现有环境，直接下载和当前TFOD API版本对应的EfficientDet D6预训练权重，替换现有不匹配的权重文件即可。
• 核对配置文件：检查训练使用的pipeline.config中feature_extractor字段的配置，确保BiFPN层数、输入分辨率等参数和预训练权重对应的默认配置完全一致，自定义修改配置也会导致权重匹配失败。

内容的提问来源于stack exchange，提问作者Ananda Roy