TensorFlow2.4.4非GPU版预训练目标检测模型训练卡死求助

• 你看到的I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:116] None of the MLIR optimization passes are enabled (registered 2)日志并非卡顿的诱因，只是初始化流程的常规输出。后续出现的无响应问题，基本都来自Windows平台下CPU版TensorFlow的线程调度、数据读取兼容问题，按以下顺序操作即可解决：
• 启动训练前先在当前终端配置底层环境变量，规避已知的兼容死锁：
  • 关闭TF2.4.4在Windows上存在兼容问题的OneDNN自动优化：设置环境变量TF_ENABLE_ONEDNN_OPTS=0，这是该版本CPU版在Win10下初始化卡死的最高发诱因
  • 直接跳过易出问题的MLIR图优化初始化环节：设置环境变量TF_DISABLE_MLIR=1
  • 限定CPU线程数避免资源争抢：根据本机CPU物理核心数设置TF_NUM_INTRAOP_THREADS（值与物理核心数保持一致，不要使用逻辑核心数），设置TF_NUM_INTEROP_THREADS=2
  • PowerShell环境下的配置命令参考：

    $env:TF_ENABLE_ONEDNN_OPTS = 0
    $env:TF_DISABLE_MLIR = 1
    $env:TF_NUM_INTRAOP_THREADS = 你的CPU物理核心数
    $env:TF_NUM_INTEROP_THREADS = 2
    

• 修改pipeline.config配置项，消除数据读取环节的阻塞：
  • 在train_input_reader和eval_input_reader的配置块中，新增num_parallel_reads: 1参数，避免Windows下多线程读取TFRecord文件出现句柄冲突
  • 将训练初始batch_size临时调整为2，你当前数据集总规模不足100张，大batch初始化时CPU计算负载过高会造成无输出的假卡死
  • 检查配置文件中所有涉及文件路径的项（TFRecord存储路径、标签映射文件路径、预训练权重路径），全部替换为绝对路径，排除相对路径解析带来的隐性阻塞
• 启动训练脚本的注意事项：
  • 不要在启动参数中开启冗余的日志输出开关，避免控制台缓冲区阻塞造成的假无响应
  • 启动后预留1-2分钟的初始化等待时间，CPU版TensorFlow在加载预训练权重的过程中不会实时输出进度，避免误判为程序卡死

内容的提问来源于stack exchange，提问作者Bryan Bergo