CNN模型训练报错TypeError: 'str' object is not callable求助

错误原因分析 #

报错TypeError: 'str' object is not callable的核心是代码中尝试调用一个字符串对象。结合你的模型结构，最可能的问题是resize_and_rescale不是可调用的Keras层/预处理函数，而是一个字符串变量——Sequential模型的列表元素必须是可调用的层对象，当它是字符串时，训练时会尝试调用这个字符串，从而触发错误。

解决方案 #

1. 正确定义resize_and_rescale为可调用预处理组件 #

你需要将resize_and_rescale替换为实际的Keras预处理层或包装后的函数，以下是两种常见实现方式：

方式一：使用内置层组合

如果你的需求是调整图像尺寸并归一化，可以直接用TensorFlow内置的Resizing和Rescaling层组合：

import tensorflow as tf
from tensorflow.keras import layers, models

# 注意：input_shape不需要包含batch维度，仅需指定图像的(height, width, channels)
input_shape = (256, 256, 3)

# 正确定义可调用的预处理层
resize_and_rescale = tf.keras.Sequential([
    layers.Resizing(256, 256),  # 若输入图像尺寸不一致，调整到目标尺寸
    layers.Rescaling(1.0 / 255)  # 将像素值归一化到0-1区间
])

model = models.Sequential([
    resize_and_rescale,
    layers.Conv2D(32, (3,3), activation='relu', input_shape=input_shape),
    layers.MaxPooling2D((2,2)),
    layers.Conv2D(64, (3,3), activation='relu'),
    layers.MaxPooling2D((2,2)),
    layers.Conv2D(64, (3,3), activation='relu'),
    layers.MaxPooling2D((2,2)),
    layers.Flatten(),

    layers.Dense(100, activation='relu'),
    layers.Dense(50, activation='relu'),
    layers.Dense(2, activation='softmax')
])

# model.build的input_shape需要包含batch维度，若Conv2D已指定input_shape，也可省略此步骤
model.build(input_shape=(32, 256, 256, 3))
model.summary()

方式二：自定义预处理函数（用Lambda层包装）

如果需要自定义预处理逻辑，必须用Lambda层将函数包装为可调用的层：

def resize_and_rescale_func(image):
    image = tf.image.resize(image, (256, 256))
    return image / 255.0

# 用Lambda层包装成可调用的层
resize_and_rescale = layers.Lambda(resize_and_rescale_func)

2. 额外排查点 #

• 检查数据集格式：确保train_ds和val_ds输出的是(图像张量, 标签)的元组，且图像张量的形状与模型输入(256,256,3)匹配
• 排查变量名冲突：确认代码中没有将resize_and_rescale意外赋值为字符串（比如resize_and_rescale = "some_string"）

内容的提问来源于stack exchange，提问作者Leo Tang