问题描述： 在自定义回调函数中无法访问 validation_data，导致出现 AttributeError 错误。

解决方法：

1. 使用 tf.keras.callbacks.LambdaCallback 回调函数：

import tensorflow as tf

# 自定义回调函数
class CustomCallback(tf.keras.callbacks.Callback):
    def on_train_begin(self, logs=None):
        # 在训练开始时调用
        if self.validation_data is not None:
            self.x_val, self.y_val = self.validation_data[0], self.validation_data[1]

    def on_epoch_end(self, epoch, logs=None):
        # 在每个训练周期结束时调用
        if self.validation_data is not None:
            val_predictions = self.model.predict(self.x_val)
            # 进行相关操作

# 模型定义
model = tf.keras.models.Sequential([...])

# 编译模型
model.compile([...])

# 创建数据集
x_train, y_train = [...]
x_val, y_val = [...]
train_dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train))
val_dataset = tf.data.Dataset.from_tensor_slices((x_val, y_val))

# 训练模型
model.fit(train_dataset, epochs=10, validation_data=val_dataset, callbacks=[CustomCallback()])

2. 直接使用 validation_data 参数：

import tensorflow as tf

# 自定义回调函数
class CustomCallback(tf.keras.callbacks.Callback):
    def on_train_begin(self, logs=None):
        # 在训练开始时调用
        if self.validation_data is not None:
            self.x_val, self.y_val = self.validation_data[0], self.validation_data[1]

    def on_epoch_end(self, epoch, logs=None):
        # 在每个训练周期结束时调用
        if self.validation_data is not None:
            val_predictions = self.model.predict(self.x_val)
            # 进行相关操作

# 模型定义
model = tf.keras.models.Sequential([...])

# 编译模型
model.compile([...])

# 创建数据集
x_train, y_train = [...]
x_val, y_val = [...]
train_dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train))
val_dataset = tf.data.Dataset.from_tensor_slices((x_val, y_val))

# 训练模型
model.fit(train_dataset, epochs=10, validation_data=(x_val, y_val), callbacks=[CustomCallback()])

以上是两种解决方法，都可以访问 validation_data。根据需要选择其中一种即可。