Caffe转TensorFlow时遇TypeError：需类字节对象而非str

你尝试将colorful-colorization的预训练Caffe模型转成TensorFlow格式时碰到的报错，我在帮人排查类似问题时遇到过好几次，大概率是下面几个常见原因之一，你可以逐一尝试解决：

1. 转换器版本不兼容或未正确安装 #

很多时候这类转换错误是因为用的caffe-tensorflow转换器版本太老，不支持目标模型里的某些层结构。你可以更新到最新版本的转换器：

# 如果你已经克隆过仓库，先拉取最新代码
cd caffe-tensorflow
git pull
# 以可编辑模式重新安装
pip install -e .

如果还没安装过，就找到官方的caffe-tensorflow仓库克隆到本地，再执行上面的安装步骤。

2. 文件路径解析出错 #

相对路径很容易因为当前工作目录的问题导致找不到文件，建议你换成绝对路径来指定模型文件和输出路径，同时确保输出目录存在：

# 先创建输出目录（如果不存在的话）
mkdir -p ./out-code
# 替换成你自己的绝对路径
python3 convert.py /your/absolute/path/colorful-colorization/models/colorization_deploy_v2.prototxt \
--caffemodel /your/absolute/path/colorful-colorization/models/colorization_release_v2.caffemodel \
--code-output-path /your/absolute/path/out-code/mynet.py

3. 模型中的自定义层不被转换器支持 #

colorful-colorization模型里有几个自定义层（比如特定的Slice层用法或者颜色空间转换相关的层），默认的转换器可能没有适配这些层。你可以先看一下报错Traceback的完整信息——你只提到了第60行，但没说具体错误类型（比如是KeyError还是AttributeError），如果是层解析失败，你需要手动修改convert.py来添加对应层的TensorFlow实现：

• 打开convert.py，定位到第60行，看这一行是在处理哪个层的逻辑
• 对照Caffe模型的prototxt文件里的层定义，编写对应的TensorFlow代码来替换报错的部分
• 也可以找找社区里有没有已经适配好这个模型的转换脚本，很多人已经分享过针对colorful-colorization的转换方案

4. 依赖库版本冲突 #

caffe-tensorflow对TensorFlow、NumPy和Protobuf的版本有严格要求，如果你用的是TensorFlow 2.x，很大概率会报错，因为这个转换器主要适配TensorFlow 1.x。建议你创建一个虚拟环境，安装兼容的依赖版本：

# 用conda创建虚拟环境（也可以用venv）
conda create -n caffe-tf-env python=3.7
conda activate caffe-tf-env
# 安装指定版本的依赖
pip install tensorflow==1.15.0 numpy==1.19.5 protobuf==3.19.0

激活环境后再运行转换命令。

如果还是解决不了，建议你把完整的报错Traceback信息贴出来，比如具体的错误类型和上下文，这样能更精准地定位问题。

内容的提问来源于stack exchange，提问作者ghyur7