如何在Keras 2.8自定义回调中获取model.fit()的参数值？

你可以通过两种方式轻松获取model.fit()的参数：

方法1：手动将参数传递给回调实例 #

在初始化自定义回调时，直接传入fit()中设置的参数，这样在回调的任意方法里都能精准访问：

from tensorflow import keras

class FitParamsCallback(keras.callbacks.Callback):
    def __init__(self, **fit_args):
        super().__init__()
        self.fit_args = fit_args

    def on_train_begin(self, logs=None):
        print("获取到的fit参数：")
        for param, value in self.fit_args.items():
            print(f"{param}: {value}")

# 使用示例
model = keras.Sequential([keras.layers.Dense(10, input_shape=(10,))])
model.compile(optimizer='adam', loss='mse')

# 定义fit参数
fit_params = {
    "batch_size": 32,
    "epochs": 10,
    "validation_split": 0.2
}

model.fit(
    x_train, y_train,
    **fit_params,
    callbacks=[FitParamsCallback(**fit_params)]
)

这种方式完全由你控制要传递的参数，不受Keras内部逻辑限制。

方法2：利用回调内置的self.params属性 #

Keras 2.8中，回调函数的self.params字典会自动包含model.fit()的核心参数（比如epochs、batch_size、validation_split等），无需手动传递，直接在回调方法中访问即可：

from tensorflow import keras

class FitParamsCallback(keras.callbacks.Callback):
    def on_train_begin(self, logs=None):
        # 打印所有可用参数
        print("内置params中的fit参数：")
        for key, val in self.params.items():
            print(f"{key}: {val}")
        
        # 提取特定参数
        batch_size = self.params.get("batch_size")
        epochs = self.params.get("epochs")
        validation_split = self.params.get("validation_split")

        print(f"\n提取的关键参数：")
        print(f"batch_size: {batch_size}")
        print(f"epochs: {epochs}")
        print(f"validation_split: {validation_split}")

# 使用示例
model.fit(
    x_train, y_train,
    batch_size=32,
    epochs=10,
    validation_split=0.2,
    callbacks=[FitParamsCallback()]
)

注意事项 #

• 如果model.fit()中某些参数使用默认值（比如未显式设置batch_size），self.params会自动填充Keras的默认值（比如默认batch_size=32）。
• self.params还包含训练元数据（比如steps、verbose等），可按需提取。

内容的提问来源于stack exchange，提问作者Mehdi