语音情感识别CNN训练报错：AttributeError: 'NoneType'无items属性

针对你在基于RAVDESS语音数据集训练情感预测CNN模型时遇到的这个错误，结合你已确认数据无None/NaN的情况，给出以下排查和解决方向：

可能的原因及解决步骤 #

1. 模型未正确编译 #

在调用model.fit()之前，必须确保已执行model.compile()并传入有效的优化器、损失函数和评估指标。如果跳过编译步骤，模型内部状态异常会引发这类模糊错误。

• 检查代码中是否存在类似如下的编译代码：

  model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
  

  确认优化器、损失函数参数均为有效值，没有拼写错误或传入None。

2. 模型结构存在输出为None的层 #

如果模型构建时某一层的参数设置错误，会导致该层输出为None，进而在训练时触发错误。

• 执行print(model.summary())查看每一层的输出形状，排查是否有标注为None的输出。
• 常见问题点：
  • 卷积层/池化层的input_shape设置与输入数据维度不匹配；
  • 使用Functional API构建模型时，未正确将输入层与后续层连接，或最终未返回Model(inputs, outputs)对象；
  • 自定义层的call方法未正确返回计算结果。

3. 输入数据维度不匹配CNN要求 #

CNN模型通常需要4D张量输入（形状为(样本数量, 特征维度1, 特征维度2, 通道数)），如果你的训练数据是3D张量，会导致模型无法处理进而触发异常。

• 检查x_traincnn和x_testcnn的形状：

  print(x_traincnn.shape)
  

  如果输出是(样本数, 特征长度1, 特征长度2)这类3D结构，需要扩展通道维度：

  import numpy as np
  x_traincnn = np.expand_dims(x_traincnn, axis=-1)
  x_testcnn = np.expand_dims(x_testcnn, axis=-1)
  

4. 自定义组件返回None #

如果你修改了原GitHub代码中的自定义损失函数、回调函数或数据处理逻辑，可能存在组件返回None的情况。

• 检查自定义损失函数：确保函数最终返回计算好的损失值，而非None；
• 检查回调函数：比如自定义的EarlyStopping或ModelCheckpoint，确认内部逻辑没有返回无效值。

5. 简化训练参数调试 #

暂时简化model.fit()的参数，定位错误来源：

# 先去掉validation_data，减少epochs
cnnhistory=model.fit(x_traincnn, y_train, batch_size=20, epochs=1)

如果此时不再报错，说明问题可能出在验证数据的维度或模型对验证数据的处理上；如果仍报错，问题则集中在模型本身或训练数据的维度匹配上。

内容的提问来源于stack exchange，提问作者Md. Mursalatul Islam Pallob