使用tf.keras.utils.Sequence时model.fit报NoneType不可调用错误

问题背景 #

处理1920x1088分辨率的大型图片数据集，采用tf.keras.utils.Sequence()自定义Pictures类实现批量加载，运行训练代码时持续抛出TypeError: 'NoneType' object is not callable。不使用Sequence时代码可正常运行，更换不同文件、格式后问题依旧。要求用Keras完成任务，但个人更倾向PyTorch。

自定义Pictures类代码 #

class Pictures(keras.utils.Sequence):
    
    def __init__(self, x_set, y_set, batch_size):
        self.x, self.y = x_set, y_set
        self.batch_size = batch_size
      
    def load_sample(self, file):
        image = Image.open(file)    # Открываем изображение
        image.load()    # Загружаем его
        return image
  
    def __len__(self):
        return math.ceil(len(self.x) / self.batch_size)

    def __getitem__(self, idx):
        batch_x = self.x[idx * self.batch_size:(idx + 1) *
        self.batch_size]
        batch_y = self.y[idx * self.batch_size:(idx + 1) *
        self.batch_size]
        
        return np.array([cv2.resize(cv2.imread(file_name), (1920, 1088)) for file_name in batch_x]).astype('float32') / 255.0, np.array([cv2.resize(cv2.imread(file_name), (1920, 1088)) for file_name in batch_y]).astype('float32') / 255.0 

模型训练代码 #

model.compile(optimizer = tf.keras.optimizers.Adam(learning_rate = 0.001), loss = 'mean_absolute_error',
              metrics = ['acc'])
model.fit(Pictures(high_q, low_q, 1), epochs = 7)

问题排查与解决 #

核心原因分析 #

报错NoneType object is not callable主要来自两个方向：

1. keras.utils.Sequence导入不规范，导致继承的类实例化后出现方法缺失
2. __getitem__方法中跨换行的切片存在语法隐性错误，或者cv2.imread返回None后调用cv2.resize失败（但更换文件后问题依旧，因此前者概率更高）

修正步骤 #

1. 统一导入规范：直接使用tensorflow.keras.utils.Sequence而非keras.utils.Sequence，避免环境中独立keras与tf.keras版本冲突
2. 修正切片语法：将__getitem__中跨换行的切片改为清晰的起始/结束索引，消除语法歧义
3. 添加异常校验：逐个加载图片并校验读取结果，便于快速定位无效路径
4. 移除冗余代码：删除未实际使用的load_sample方法

修正后的代码 #

from tensorflow.keras.utils import Sequence
import math
import cv2
import numpy as np

class Pictures(Sequence):
    
    def __init__(self, x_set, y_set, batch_size):
        self.x, self.y = x_set, y_set
        self.batch_size = batch_size
        # 提前校验输入路径数量一致性
        assert len(self.x) == len(self.y), "输入的高/低清图片路径列表长度不匹配"
  
    def __len__(self):
        return math.ceil(len(self.x) / self.batch_size)

    def __getitem__(self, idx):
        start_idx = idx * self.batch_size
        end_idx = start_idx + self.batch_size
        batch_x = self.x[start_idx:end_idx]
        batch_y = self.y[start_idx:end_idx]
        
        # 逐个处理图片，捕获读取异常
        x_batch = []
        for path in batch_x:
            img = cv2.imread(path)
            if img is None:
                raise ValueError(f"无法读取图片文件: {path}")
            resized_img = cv2.resize(img, (1920, 1088))
            x_batch.append(resized_img.astype('float32') / 255.0)
        
        y_batch = []
        for path in batch_y:
            img = cv2.imread(path)
            if img is None:
                raise ValueError(f"无法读取图片文件: {path}")
            resized_img = cv2.resize(img, (1920, 1088))
            y_batch.append(resized_img.astype('float32') / 255.0)
        
        return np.array(x_batch), np.array(y_batch)

额外排查点 #

• 检查环境中tensorflow版本，建议使用2.x以上稳定版
• Windows系统下确保图片路径使用正斜杠/或转义反斜杠\\
• 确认图片文件无损坏、权限正常，未被其他程序占用

内容的提问来源于stack exchange，提问作者Rodion Shkokov