使用TensorFlow Lite Model Maker训练出现label_map属性错误如何解决

报错触发的核心原因是object_detector.DataLoader.from_csv没有成功加载数据集，返回了None值，导致后续执行train_data.label_map时调用空对象的属性失败。

• 验证存储路径与访问权限
  你使用了GCS路径加载CSV，首先确认当前Colab运行账号拥有gs://zmlcoral/存储桶的读取权限。可在Colab单元格执行以下命令验证资源是否可访问：

  !gsutil ls gs://zmlcoral/strips/export_data-untitled_1629418661144-2021-08-20T01:44:38.803321Z/image_object_detection_1.csv
  

  若命令执行报错，可将CSV和关联的标注图片转存到Colab本地磁盘，改用本地路径加载数据集。
• 校验CSV格式是否符合要求
  TensorFlow Lite Model Maker的目标检测CSV数据集必须包含以下字段，字段名不能修改：
  • image_uri：标注对应的图片存储路径，相对路径或绝对路径需确保可正常访问
  • label：目标的类别名称
  • xmin、ymin、xmax、ymax： bounding box的归一化坐标，取值范围为0~1，不可直接填写像素坐标
    同时需要检查CSV无空行、无缺失字段的标注项，所有标注对应的图片资源都可正常读取。
• 增加数据集加载校验逻辑
  在数据集加载代码后新增校验，提前识别加载失败问题，避免后续逻辑报错：

  train_data, validation_data, test_data = object_detector.DataLoader.from_csv('你的CSV路径')
  # 新增校验代码
  if train_data is None:
      raise ValueError("数据集加载失败，请检查路径与CSV格式")
  print(f"训练集样本量：{len(train_data)}，类别总数：{len(train_data.label_map)}")
  

• 手动指定数据集拆分比例
  若你的数据集标注总量较小，默认拆分逻辑可能导致训练集分配为空。可手动控制拆分比例，避免该问题：

  # 先加载全量数据集
  all_data = object_detector.DataLoader.from_csv('你的CSV路径')
  # 按7:2:1拆分训练、验证、测试集
  train_data, rest_data = all_data.split(0.7)
  validation_data, test_data = rest_data.split(0.67)
  

内容的提问来源于stack exchange，提问作者allen