运行model_main_tf2.py训练目标检测模型出现utf-8解码错误如何解决

• 校验配置文件拼写与编码
  首先检查你执行命令中填写的配置文件名拼写是否正确，官方默认配置文件名为pipeline.config，你命令中写的pipline.config存在拼写错误，文件不存在时TensorFlow返回的Windows系统错误提示可能包含非UTF-8字符，直接触发该解码报错。拼写修正后，用记事本打开config文件，点击「另存为」，底部编码选择UTF-8，替换原文件，消除Windows默认ANSI编码带来的解码冲突。
• 强制Python使用UTF-8默认编码
  Windows系统下Python默认使用GBK作为文件读取编码，就算文件内容全为英文也可能出现编码不兼容问题。执行训练命令前，先在当前Anaconda终端输入命令set PYTHONUTF8=1，再运行原训练命令即可，该参数会强制Python 3.7+版本所有文件操作默认使用UTF-8编码。
• 消除前置警告避免干扰
  你收到的TensorFlow版本不支持、cudnn缺失警告也可能间接引发编码报错：TF2.6版本要求匹配CUDA11.2、cuDNN8.1，你可以把对应版本的cudnn64_8.dll放到CUDA安装路径的bin目录下消除GPU警告；如果不需要使用GPU训练，执行命令前先输入set CUDA_VISIBLE_DEVICES=-1强制使用CPU训练即可。
• 定位触发报错的具体文件
  如果上述操作都无法解决问题，可以修改model_main_tf2.py的入口代码，增加异常捕获逻辑打印触发错误的文件路径：

  import traceback
  try:
      # 此处保留文件原有执行逻辑
  except UnicodeDecodeError as e:
      print(traceback.format_exc())
      print("解码失败的文件/内容：", e.object)
  

  重新运行脚本后就可以看到具体是哪个文件触发的解码错误，针对性调整对应文件的编码即可。

内容的提问来源于stack exchange，提问作者PedroJung