本地使用TensorFlow Object Detection API时遭遇Protobuf报错

我之前也踩过一模一样的坑！从你的报错日志里能一眼揪出问题根源——你的label map（标签映射）文件格式有问题，或者配置文件里指向的路径不对，导致Protobuf解析器读不懂它。咱们一步步来解决：

先看错误根源 #

最开始的报错已经给了明确提示：

google.protobuf.text_format.ParseError: 3:10 : Expected ":"

这说明你的label map文件（通常是.pbtxt格式）在第3行第10个字符的位置，缺了冒号，或者格式完全不符合Protobuf文本的语法要求。后面的TypeError: unsupported operand type(s) for &: 'str' and 'int'只是连锁反应——程序发现文本解析失败，就尝试把它当成二进制Protobuf来读，结果自然报错了。

具体解决方案 #

1. 检查并修复label map文件格式 #

你的label map文件必须严格遵循以下格式，每一项的键值对后面必须加冒号，字符串用单/双引号括起来，括号要配对：

item {
  id: 1
  name: 'cat'
}
item {
  id: 2
  name: 'dog'
}

重点检查报错提到的第3行：是不是漏了:？比如把id: 1写成了id 1？或者把name:拼错了？另外注意id必须从1开始，不能从0起步，否则训练时会出其他问题。

2. 确认pipeline.config里的路径配置正确 #

打开你用的ssdlite_mobilenet_v2_coco_2018_05_09/pipeline.config，找到train_input_reader和eval_input_reader里的label_map_path项，确保它指向的是你正确的label map文件路径（可以是相对路径，相对于你运行train.py的object_detection/目录，或者绝对路径）。

比如正确的配置应该是这样：

train_input_reader {
  label_map_path: "training/your_label_map.pbtxt"
  tf_record_input_reader {
    input_path: "training/train.record"
  }
}
eval_input_reader {
  label_map_path: "training/your_label_map.pbtxt"
  tf_record_input_reader {
    input_path: "training/test.record"
  }
}

3. 验证label map文件的有效性 #

在object_detection目录下打开Python交互环境，用官方工具测试你的label map能不能正常加载：

python3

然后输入：

from object_detection.utils import label_map_util
# 替换成你的label map文件路径
label_map = label_map_util.load_labelmap("training/your_label_map.pbtxt")
# max_num_classes改成你自己的类别数
categories = label_map_util.convert_label_map_to_categories(label_map, max_num_classes=2, use_display_name=True)
print(categories)

如果这一步不报错，能正常输出类别列表，说明你的label map没问题了。

4. 重新运行训练命令 #

当以上步骤都完成后，再重新执行你的训练命令：

python3 train.py --logtostderr --train_dir=training/ --pipeline_config_path=ssdlite_mobilenet_v2_coco_2018_05_09/pipeline.config

额外提醒 #

• 确保label map里的类别名称，和你制作TFRecord数据集时用的类别名称完全一致（大小写、拼写都不能错），否则训练时会出现类别不匹配的问题。
• 如果还是报错，可以检查一下你的Protobuf版本是否和TensorFlow兼容，不过从你之前的测试脚本运行正常来看，版本应该没问题，重点还是label map的问题。

内容的提问来源于stack exchange，提问作者Anna