PyTorch CNN推理报错TypeError: 'NoneType'对象不可调用的原因与解决

• 核心问题是load_model函数返回了None，导致trained_model为None类型，无法像模型实例那样被调用执行前向传播（即trained_model(img)的调用方式失效）。
• 常见触发场景：
  • load_model函数内部遗漏了return model语句，完成权重加载后没有返回处理后的模型实例。
  • save_path指向的模型文件不存在、路径错误，或文件损坏/格式不兼容，导致加载失败但函数未抛出异常，默认返回None。
  • 模型权重加载逻辑错误，比如仅加载了state_dict但未调用model.load_state_dict()完成参数映射，或调用方式有误。

1. 修复load_model函数的返回逻辑
   确保函数完成权重加载后返回模型实例，示例实现如下：

   def load_model(model, save_path):
       # 加载训练保存的权重字典
       state_dict = torch.load(save_path)
       # 将权重映射到模型参数
       model.load_state_dict(state_dict)
       # 必须返回模型
       return model
   

   若你的load_model中没有return model语句，直接补上即可。

2. 验证模型文件的有效性

   • 打印save_path的值，确认路径指向的.pth/.pt模型文件确实存在。
   • 若文件不存在，检查训练代码中保存模型的路径与推理代码是否一致；若文件损坏，重新训练并保存模型。

3. 提前修正Predictor类的索引错误
   当前报错未触发此问题，但后续会引发新错误：Predictor类中predicted_label = self.class_index(max_id)使用了圆括号索引列表，需改为方括号：

   predicted_label = self.class_index[max_id]
   

4. 优化推理效率（可选）
   每次调用predict都重新初始化模型、加载权重会浪费资源，建议将模型初始化和权重加载移到函数外部：

   # 全局初始化并加载模型，仅执行一次
   model = CNN()
   trained_model = load_model(model, save_path)
   trained_model.eval()
   
   def predict(img):
       # 仅处理输入图像与推理
       transform = ImageTransform(resize, mean, std)
       img = transform(img, phase="test")
       img = img.unsqueeze_(0)
       output = trained_model(img)
       response = predictor.predict_max(output)
       return response
   

内容的提问来源于stack exchange，提问作者DarioLong