联合回归与分类模型训练报错：TypeError: NoneType对象不可调用

核心错误原因 #

• Sequential模型不支持多输出任务：Sequential是线性层堆叠结构，仅能保留一个输出分支。你在最后添加两个Dense层（分类+回归），会导致模型输出结构混乱，触发底层调用错误。
• 分类损失函数不匹配：使用categorical_crossentropy但标签是整数格式（0/1，shape为(2860,1)），该损失要求标签为one-hot编码，此处应改用sparse_categorical_crossentropy。
• Conv2D重复定义input_shape：Reshape层已处理输入维度，后续Conv2D无需再指定input_shape，多余定义会干扰模型输入维度判断。

修正后的代码（改用Functional API） #

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

data_shape = (75, 2)

# 输入层
inputs = layers.Input(shape=data_shape)

# Reshape为4D张量适配Conv2D
x = layers.Reshape(data_shape + (1,))(inputs)

# 卷积块
x = layers.Conv2D(16, kernel_size=(2, 1), activation='relu')(x)
x = layers.BatchNormalization()(x)
x = layers.Conv2D(32, kernel_size=(2, 1), activation='relu')(x)
x = layers.BatchNormalization()(x)
x = layers.Conv2D(64, kernel_size=(2, 1), activation='relu')(x)
x = layers.BatchNormalization()(x)

# 扁平化
x = layers.Flatten()(x)

# 全连接块
x = layers.Dense(64, activation='relu')(x)
x = layers.BatchNormalization()(x)
x = layers.Dense(32, activation='relu')(x)
x = layers.BatchNormalization()(x)

# 两个输出分支
output_cls = layers.Dense(2, activation='softmax', name='classification')(x)
output_reg = layers.Dense(1, activation='linear', name='regression')(x)

# 构建多输出模型
model = Model(inputs=inputs, outputs=[output_cls, output_reg])

# 编译：指定每个输出对应的损失和指标
model.compile(
    optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
    loss={
        'classification': 'sparse_categorical_crossentropy',
        'regression': 'mean_squared_error'
    },
    metrics={
        'classification': 'accuracy',
        'regression': 'mae'
    }
)

# 训练：支持列表或字典传递标签
model.fit(
    x=train_x,
    y=[train_y_cls, train_y_reg],
    validation_data=(val_in, [val_out_cls, val_out_reg]),
    batch_size=32,
    epochs=30
)

额外优化建议 #

• 数据类型转换：TensorFlow对float32支持更高效，可将数值型数据转为float32（分类标签保留int32即可）：

  train_x = train_x.astype('float32')
  val_in = val_in.astype('float32')
  train_y_reg = train_y_reg.astype('float32')
  val_out_reg = val_out_reg.astype('float32')
  

• 输出分支命名：给输出层命名后，用字典传递损失/标签可避免顺序错误，逻辑更清晰。

内容的提问来源于stack exchange，提问作者Pradyumna TK