TensorFlow 2.0自定义Wide&Deep模型训练报错：TypeError: 'NoneType' object is not callable 求助

我帮你定位到几个代码里的关键问题，这些问题组合起来导致了训练时的错误：

1. 模块导入的混淆问题 #

你代码里混用了旧版Keras（keras.layers.merge）和TensorFlow Keras的API（layers.Embedding），但没有明确导入tensorflow.keras.layers模块。在TensorFlow 2.x环境下，这种混合导入很容易导致对象引用异常，这大概率是触发NoneType错误的核心原因之一。

2. Wide模型的构建方式不适用于合并场景 #

你用Sequential构建Wide模型，但后续需要和Deep模型做张量合并，函数式API才是这种多输入/多输出场景的正确选择。Sequential模型的input属性在复杂合并逻辑中无法正确生成可追踪的输入张量，会导致训练时无法创建有效的训练执行函数。

3. 最终输出层的激活函数错误 #

你的任务是二分类（使用binary_crossentropy损失），但合并后的输出层用了softmax激活函数。单节点输出用softmax会导致输出值永远为1，这会让损失计算完全异常，进而触发训练流程的崩溃。二分类任务应该使用sigmoid激活函数。

修正后的完整代码 #

# 统一使用TensorFlow Keras的官方API
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Dense, Input, Embedding, GlobalMaxPool1D, concatenate

# 用函数式API构建Wide模型（更适配后续合并逻辑）
wide_input = Input(shape=(maxlen,))
wide_x = Embedding(vocab_size, embedding_dim, weights=[embedding_matrix], trainable=True)(wide_input)
wide_x = GlobalMaxPool1D()(wide_x)
wide_x = Dense(10, activation='relu')(wide_x)
wide_output = Dense(1, activation='sigmoid')(wide_x)
wide_model = Model(inputs=wide_input, outputs=wide_output)

# 用函数式API构建Deep模型（保持风格统一，避免潜在问题）
deep_input = Input(shape=X_train_deep_numpy.shape[1:])
deep_x = Dense(64, activation='relu')(deep_input)
deep_x = Dense(64, activation='relu')(deep_x)
deep_output = Dense(1, activation='sigmoid')(deep_x)
deep_model = Model(inputs=deep_input, outputs=deep_output)

# 合并两个模型的输出
concat_layer = concatenate([wide_model.output, deep_model.output], axis=-1)
final_output = Dense(1, activation='sigmoid')(concat_layer)
merged_model = Model(inputs=[wide_model.input, deep_model.input], outputs=final_output)

# 编译并查看模型结构
merged_model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
merged_model.summary()

额外验证建议 #

• 确认vocab_size、embedding_dim、maxlen、embedding_matrix这些变量都已正确定义，没有出现None值。
• 再次核对输入数据形状：X_train_numpy的(26907, 100)要和Wide模型的input_shape=(maxlen,)匹配（即maxlen=100），X_train_deep_numpy的(26907,8)要和Deep模型的输入形状一致。

按照上述修正后，再运行训练代码应该就能正常执行了。

内容的提问来源于stack exchange，提问作者jc76