Keras Sequential模型获取epoch后学习率报错：set_model()缺model参数

嘿，我来帮你搞定这个问题！你遇到的set_model() missing 1 required positional argument: 'model'错误，大概率是因为自定义回调的姿势不对——没有正确继承Keras的回调基类，导致框架没法自动把模型实例传递给回调函数。

下面是完整的解决方案，一步步来：

1. 正确定义学习率日志回调类 #

首先要继承keras.callbacks.Callback基类，这个基类会帮我们自动处理set_model()这类底层方法的调用，不用自己手动实现：

from tensorflow.keras.callbacks import Callback

class LearningRateLogger(Callback):
    def on_epoch_end(self, epoch, logs=None):
        # 获取当前优化器的学习率，转成numpy数值方便阅读
        current_lr = self.model.optimizer.lr.numpy()
        # 打印或者记录学习率，这里用print示例
        print(f"\nEpoch {epoch + 1}: 当前学习率 = {current_lr:.6f}")

2. 模型构建与训练时正确使用回调 #

接下来在你的模型构建、编译、训练流程中，实例化这个回调类，并传入model.fit()的callbacks参数里：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D
from tensorflow.keras.optimizers import Adam

# 假设你已经定义了IMG_HEIGHT和IMG_WIDTH
IMG_HEIGHT = 224
IMG_WIDTH = 224

# 构建你的Sequential模型
model = Sequential()
model.add(Conv2D(64, (5, 5), input_shape=(IMG_HEIGHT, IMG_WIDTH, 3), activation='relu'))
model.add(Conv2D(64, (5, 5), activation='relu'))
# 这里可以继续添加你需要的其他层（比如Pooling、Dense等）

# 初始化Adam优化器，设置初始学习率
optimizer = Adam(learning_rate=0.001)
model.compile(optimizer=optimizer, loss='categorical_crossentropy', metrics=['accuracy'])

# 实例化学习率日志回调
lr_logger = LearningRateLogger()

# 开始训练，把回调传入callbacks列表
model.fit(
    x=train_dataset,  # 你的训练数据
    epochs=10,
    callbacks=[lr_logger]
)

错误原因说明 #

你之前的错误是因为自定义的回调没有继承Callback基类，Keras在训练过程中会自动调用回调的set_model()方法来传递当前模型实例，但如果你的类没有继承基类，这个方法就不存在，或者参数不匹配，就会抛出set_model() missing 1 required positional argument: 'model'的错误。

另外，如果你的Adam优化器使用了动态学习率调度（比如ReduceLROnPlateau或者自定义的LearningRateSchedule），获取学习率的方式可以稍作调整：

• 如果是用LearningRateSchedule，可以用optimizer.lr(epoch).numpy()来获取对应epoch的学习率
• 如果是用ReduceLROnPlateau这类回调，上面的self.model.optimizer.lr.numpy()依然有效，因为它会实时读取优化器的当前学习率

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