为何Keras模型输出的学习率未变化？内置优化器训练不稳定求助

核心原因：你获取的是初始学习率，而非实时更新值 #

你自定义的lr metric直接返回optimizer.lr，但这个属性存储的是优化器的初始学习率张量，不是训练过程中实时衰减/更新后的学习率：

• 对于Adam、SGD这类内置优化器，默认情况下如果没配置学习率衰减（比如没设置decay参数），学习率确实是固定的，所以你看到的lr: 0.0010不会变化；
• 就算你设置了优化器的decay参数，实际训练中优化器内部会计算衰减后的学习率，但optimizer.lr依然保持初始值，导致你的metric无法显示真实的学习率变化。

而LearningRateScheduler是通过动态替换优化器的学习率更新逻辑工作的：它会在每个epoch（或step）根据你定义的函数返回新的学习率，并且同步更新优化器内部的学习率变量，此时你的metric能正确显示变化；同时这种显式的学习率调度更贴合模型收敛规律，所以训练过程会更稳定。

正确获取实时学习率的方法 #

修改你的get_lr_metric函数，使用优化器的_decayed_lr方法获取实时衰减后的学习率：

import tensorflow as tf

def get_lr_metric(optimizer):
    def lr(y_true, y_pred):
        # 获取优化器当前实际使用的学习率
        return optimizer._decayed_lr(tf.float32)
    return lr

这个方法能返回优化器当前真实使用的学习率，无论是默认固定值、自带衰减计算，还是通过LearningRateScheduler设置的动态值，都能正确显示。

补充说明 #

训练不稳定的本质不一定是学习率没变化，可能是默认固定学习率不匹配你的任务：

• 固定学习率在训练后期容易导致模型震荡，难以收敛到最优值；
• LearningRateScheduler让学习率随训练进程逐步降低，更符合模型收敛的普遍规律，因此训练会更稳定。

内容的提问来源于stack exchange，提问作者zhouzou