TensorFlow Object Detection API加载预训练模型checkpoint报错

你的报错来自4个可直接定位的配置与文件问题，逐一调整即可正常加载预训练checkpoint：

• 路径用户名拼写笔误
  你在pipeline config中填写的checkpoint路径里的用户名，和系统实际的用户目录名不匹配（从训练报错返回的检索路径、启动命令配置的路径可验证，实际用户目录为Pierre），拼写错误会直接导致系统检索不到目标文件，触发NotFoundError报错。
• checkpoint前缀填写不符合TF2规范
  你下载的TF2版本ssd_resnet152_v1_fpn模型的checkpoint，采用新版TensorFlow的文件命名规则，目录下的配套文件为ckpt-0.data-00000-of-00001、ckpt-0.index、ckpt-0.meta，对应官方要求填写的路径前缀是不带文件后缀的完整路径前缀，也就是...\\checkpoint\\ckpt-0。
  不要沿用TF1时代的model.ckpt命名规则填写路径，也不要使用ckpt-0.*这类通配符，checkpoint加载器会直接识别失败。
• checkpoint文件损坏导致的格式报错
  出现“not an sstable (bad magic number)”的报错，基本可以确认解压后的checkpoint文件存在损坏，常见诱因是下载过程中断、解压时被杀毒软件拦截修改。可重新下载对应模型压缩包，解压后核对checkpoint目录下的文件大小，确认没有0字节的残缺文件后再替换原文件。
• 配套参数配置错配
  配置fine_tune_checkpoint的同时，必须同步指定fine_tune_checkpoint_type: "detection"，因为你是加载完整预训练检测模型做微调，如果误写为classification会导致参数加载逻辑错配，仅加载骨干网络权重而跳过检测头参数加载。

修正后的pipeline config相关配置片段参考：

fine_tune_checkpoint: "C:\\Users\\Pierre\\Desktop\\Adv-ML-Project\\models\\research\\object_detection\\test_data\\checkpoint\\ckpt-0"
fine_tune_checkpoint_type: "detection"

你当前使用的官方训练启动命令本身不存在问题，完成上述配置修正后，不需要调整现有项目目录结构即可正常启动训练流程。

内容的提问来源于stack exchange，提问作者Pierre