从本地模块导入的DisplayCallback类无法识别同模块model变量

1. 作用域绑定问题：DisplayCallback类的show_predictions方法直接引用模块级model变量，但Python类方法的变量查找遵循LEGB规则，会优先在定义该类的模块（model_utils.py）的全局命名空间中查找model。如果你的model是在Jupyter Notebook中创建的（而非model_utils.py的模块全局变量），或者model_utils.py中model是局部变量、定义顺序不符合执行逻辑，就会导致方法执行时找不到model，触发NameError。
2. 导入作用域隔离：用from model_utils import *导入后，DisplayCallback虽被导入到Notebook命名空间，但类内部方法依然绑定model_utils模块的作用域，而非Notebook的命名空间。如果Notebook中的model和model_utils模块中的model不是同一对象（或模块中无model变量），方法执行时就会找不到目标变量。

方法一：让回调类持有model引用（推荐） #

避免依赖全局变量，实例化回调时传入model，作用域更清晰灵活：

# model_utils.py
import keras

class DisplayCallback(keras.callbacks.Callback):
    def __init__(self, model):
        super().__init__()
        self.model = model  # 绑定传入的model到实例

    def show_predictions(self):
        predictions = self.model.predict(...)
        # 后续处理逻辑

def create_model():
    return keras.models.Sequential(...)

Notebook中使用：

from model_utils import DisplayCallback, create_model

model = create_model()
callback = DisplayCallback(model)
model.fit(..., callbacks=[callback])

方法二：确保model_utils模块存在全局model #

如果要依赖全局变量，需保证model是model_utils.py的模块级变量：

# model_utils.py
import keras

model = None  # 先声明模块级变量

class DisplayCallback(keras.callbacks.Callback):
    def show_predictions(self):
        global model  # 显式声明使用模块全局变量
        if model:
            predictions = model.predict(...)
            # 处理逻辑

def build_model():
    global model
    model = keras.models.Sequential(...)
    return model

Notebook中使用：

from model_utils import *

build_model()  # 初始化模块全局的model
callback = DisplayCallback()
model.fit(..., callbacks=[callback])

方法三：利用Keras回调内置的model属性 #

Keras的Callback类在训练时会自动将当前模型绑定到self.model，无需手动传入：

# model_utils.py
import keras

class DisplayCallback(keras.callbacks.Callback):
    def show_predictions(self):
        # 直接使用Keras内置的self.model，自动关联当前训练模型
        predictions = self.model.predict(...)
        # 处理逻辑

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