运行TensorFlow目标检测代码时出现long()参数必须为字符串或数字错误

我之前在跑TensorFlow目标检测代码时也碰到过一模一样的问题，大概率是版本兼容或者标签文件加载的问题，给你几个亲测有效的解决思路：

1. 优先排查TensorFlow版本匹配问题 #

这个错误最常见的原因是目标检测API和TensorFlow版本不兼容：

• 如果你的代码是基于TF1.x写的（比如用到了tf.Session()这类旧API），建议直接降级到TensorFlow 1.15.x（最后一个稳定的TF1版本）：

  pip install tensorflow==1.15.5
  

• 要是想升级到TF2.x环境，就得用适配TF2的目标检测API版本，同时修改代码里的兼容部分，比如把旧的会话初始化换成兼容写法：

  # 替换原有的session初始化代码
  tf.compat.v1.disable_eager_execution()
  sess = tf.compat.v1.Session()
  

2. 检查标签映射文件的格式与加载逻辑 #

这个错误经常出现在加载label_map.pbtxt的时候，一定要确认：

• 标签文件格式完全正确，每个item的id必须是数字，name是字符串，比如：

  item {
    id: 1
    name: 'person'
  }
  item {
    id: 2
    name: 'car'
  }
  

• 加载标签时用对应版本的API方法，避免类型转换错误：

  # TF1.x 标准写法
  label_map = label_map_util.load_labelmap(PATH_TO_LABELS)
  categories = label_map_util.convert_label_map_to_categories(label_map, max_num_classes=NUM_CLASSES, use_display_name=True)
  category_index = label_map_util.create_category_index(categories)
  
  # TF2.x 简化写法
  category_index = label_map_util.create_category_index_from_labelmap(PATH_TO_LABELS, use_display_name=True)
  

3. 确认模型文件完整性 #

如果你的模型是用export_inference_graph.py导出的，一定要确保导出过程没有报错，frozen_inference_graph.pb这类核心文件完整无损坏。可以重新导出一次模型，导出时注意指定和当前TF版本匹配的参数。

4. 排查输入图像的预处理问题 #

偶尔也会因为输入图像的数据类型不对触发这个错误，确保图像读取后转换成了正确的数值类型：

image = Image.open(image_path)
# 强制转换成uint8类型，避免类型不兼容
image_np = np.array(image).astype(np.uint8)

内容的提问来源于stack exchange，提问作者M.N Engineering