HuggingFace微调预训练模型时出现NoneType与int无法比较TypeError如何解决

该错误是HuggingFace TensorFlow训练流程中计算总训练步数时触发的类型错误，核心诱因有两类：

1. TFTrainer 已在新版🤗 Transformers库中被正式废弃，旧API的参数兼容逻辑缺失，内部计算训练步数时会返回空值
2. 你定义的training_args训练参数缺失必填配置，最常见的是未显式设置num_train_epochs、per_device_train_batch_size，或是训练数据集未正确配置长度属性，框架无法自动计算总训练步数，拿到的None值后续参与大小比较就触发了该报错。

• 方案1：补全训练参数必填项
  显式在TFTrainingArguments中指定所有核心训练配置，不要依赖默认空值，示例配置如下：

  from transformers import TFTrainingArguments
  
  training_args = TFTrainingArguments(
      output_dir="./output",
      per_device_train_batch_size=8,
      per_device_eval_batch_size=8,
      num_train_epochs=3, # 必须显式赋值，不可留空
      evaluation_strategy="epoch",
      logging_dir="./logs"
  )
  

• 方案2：改用官方推荐的原生Keras训练流程
  废弃已停止维护的TFTrainer，直接用Keras接口训练，适配性和灵活性更强，示例代码如下：

  import tensorflow as tf
  from transformers import TFDistilBertForSequenceClassification
  
  model = TFDistilBertForSequenceClassification.from_pretrained("distilbert-base-uncased")
  # 编译模型
  model.compile(
      optimizer=tf.keras.optimizers.Adam(learning_rate=5e-5),
      loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
      metrics=[tf.keras.metrics.SparseCategoricalAccuracy()]
  )
  # 启动训练
  model.fit(
      train_dataset.batch(8),
      validation_data=test_dataset.batch(8),
      epochs=3
  )
  

• 方案3：降级🤗 Transformers版本匹配旧教程
  如果你需要完全沿用原教程的TFTrainer代码逻辑，可将库版本降级到4.10及以下的长期支持版本：

  pip install transformers==4.10.0
  

内容的提问来源于stack exchange，提问作者Shahid Khan