使用TF的Obejecte Detection API训练SSD模型时的常见问题解决方法！

1.ValueError: not enough values to unpack (expected 7, got 0)

        在SSD的相关配置文件中，把replicas_to_aggregate的参数修改为1或者把sync_replicas的参数修改为false即可解决问题：

train_config: {
  fine_tune_checkpoint: "/data/detection_model_zoo/ssd_resnet50_v1_fpn_shared_box_predictor_640x640_coco14_sync_2018_07_03/model.ckpt"
  batch_size: 1
  sync_replicas: True #修改为false
  startup_delay_steps: 0
  replicas_to_aggregate: 8  #修改为1
  num_steps: 250000

......

}

2.TypeError: resnet_v1_50() got an unexpected keyword argument 'min_base_depth'2.

       在github中有人说，有人提交了一次修改增加了两个关键词参数：min_base_depth 和 depth_multiplier，然而任何一个resnet 模型里都没有这两个参数，因此出现了这个错误，其建议的方法是，将下面三行参数注释掉：

#From /data/tensorflow/models/research/object_detection/models/ssd_resnet_v1_fpn_feature_extractor.py

with tf.variable_scope(
    self._resnet_scope_name, reuse=self._reuse_weights) as scope:
  with slim.arg_scope(resnet_v1.resnet_arg_scope()):
    with (slim.arg_scope(self._conv_hyperparams_fn())
          if self._override_base_feature_extractor_hyperparams else
          context_manager.IdentityContextManager()):
      _,image_features = self._resnet_base_fn(
          inputs=ops.pad_to_multiple(preprocessed_inputs,
                                     self._pad_to_multiple),
          num_classes=None,
          is_training=None,
          global_pool=False,
          output_stride=None,
          store_non_strided_activations=True) #括号填在这里
          #min_base_depth=self._min_depth,
          #depth_multiplier=self._depth_multiplier)
          #scope=self.scope) 

3.ValueError: No variables to save

        找到SSD的配置文件，在train_config块内修改”from_detection_checkpoint: false“ 为”from_detection_checkpoint: True“，如果没有这一项，手动添加“from_detection_checkpoint: True”即可。

train_config: {
  fine_tune_checkpoint: "Path/model.ckpt"
  from_detection_checkpoint: True  #将false修改为true,如果没有这一项，手动添加即可。
  
......

  }

还有小伙伴们遇到什么问题，可以在下面留言，我们一起讨论解决方法！