TensorFlow训练出现Sub算子类型不匹配及NoneType不可调用报错咨询

报错定位 #

• 第一个TypeError是核心根因：报错栈明确指向你自定义的损失函数class_loss_regr_fixed_num第53行的减法操作x = y_true[:, :, 4*num_classes:] - y_pred，其中y_true对应切片的类型为int64，模型输出的y_pred为float32，TensorFlow要求二元运算的两个输入张量类型必须一致，因此触发类型不匹配错误。
• 第二个'NoneType' object is not callable是衍生报错：第一个损失计算失败后没有返回有效张量，返回了空值None，后续训练流程尝试调用损失值做反向传播时就触发了该错误，修复第一个问题后第二个问题会自动消失。

修复方案 #

方案1（推荐，从数据源统一类型） #

在数据加载预处理阶段就把所有输入、标签的类型统一为float32，同时可同步完成归一化操作：

• 如果是numpy格式的数组：

# 图像转float32并归一化
train_images = train_images.astype("float32") / 255.0
# 标签转float32和模型输出对齐
train_labels = train_labels.astype("float32")

• 如果是TensorFlow张量：

train_images = tf.cast(train_images, tf.float32) / 255.0
train_labels = tf.cast(train_labels, tf.float32)

方案2（快速验证，损失函数内临时转换） #

如果需要快速验证是否是类型问题导致的报错，可以直接修改损失函数的报错行，强制把y_true的类型转成和y_pred一致的float32：

# 把原报错行替换为以下代码
x = tf.cast(y_true[:, :, 4*num_classes:], tf.float32) - y_pred

验证方法 #

改完代码后可以先单独测试损失函数：构造两个形状匹配的假y_true和y_pred，分别打印二者的dtype确认类型一致，再调用损失函数确认可以正常返回数值，再启动完整训练流程即可。

内容的提问来源于stack exchange，提问作者Meet Gondaliya