使用TensorFlow开发手语检测器时无法从object_detection导入model_lib_v2
报错问题解决方案
1. 解决ImportError: cannot import name 'model_lib_v2' from 'object_detection'报错
该报错核心原因是TensorFlow Object Detection API(TFOD)未正确安装,或是版本不匹配,可按以下步骤修复:
- 不要直接通过
pip install object-detection安装第三方打包的版本,该版本普遍老旧,不包含TF2专属的model_lib_v2模块,需要从官方仓库源码安装:- 拉取官方models仓库,切换到和你本地TensorFlow版本完全对应的分支(比如本地装的是TF2.8,就切r2.8分支)
- 进入仓库下的
research文件夹,运行protoc object_detection/protos/*.proto --python_out=.编译protobuf协议文件,缺失这一步会导致大量模块导入失败 - 同目录下运行
pip install .完成源码安装 - 运行测试命令
python object_detection/builders/model_builder_tf2_test.py,所有测试用例通过则说明安装成功
- 额外注意版本匹配:你本地使用的是Python3.7.9,最高仅支持TensorFlow 2.10及以下版本,TFOD分支也需要对应到r2.10及以下,版本不匹配也会触发导入报错。
2. 解决model_main_tf2.py放入training_demo后无法导入本地类的问题
这个是Python模块搜索路径规则导致的问题,有两种解决方案可选:
- 方案一(更推荐,无需修改原文件):不需要将
model_main_tf2.py复制到training_demo文件夹,运行训练命令时直接指定参数路径即可,示例命令如下:python /path/to/models/research/object_detection/model_main_tf2.py --model_dir=./training_demo/models/你的模型文件夹名 --pipeline_config_path=./training_demo/models/你的模型文件夹名/pipeline.config - 方案二:如果一定要将脚本放到training_demo文件夹,在
model_main_tf2.py文件的最开头添加两行代码,手动指定模块搜索路径:
import sys sys.path.append("替换为你本地models/research文件夹的绝对路径")
内容的提问来源于stack exchange,提问作者Prathamesh Bhatkar
相关产品推荐
相关产品推荐

