Python 3.x TypeError:_call__（）接受2个位置参数，但制作神经网络时给出了3个位置参数

我正在为我的神经网络做超参数搜索。我的代码在第一次迭代中运行良好。但是，在第二次迭代中，它抛出了以下错误：

TypeError:调用（）接受2个位置参数，但给出了3个

我的代码是：

def型号（转换层、过滤器）：
i1=输入（形状=（7000208））
i2=输入（形状=（7000，））
对于范围内的j（转换层）：
如果j==0：
c1=Conv1D（过滤器，内核大小=4，激活=relu'）（i1）
其他：
c1=Conv1D（过滤器，内核大小=4，激活=relu'）（c1）
c1=平均池1d（2）（c1）
#c1=辍学率（0.2）（c1）
c1=展平（）（c1）
打印（'pos'）
对于范围（1）中的i：
如果i==0：
c2=稠密（64，激活='relu'）（i2）
#c2=辍学（辍学）（c2）
其他：
c2=密集（64，激活='relu'）（c2）
#c2=辍学（辍学）（c2）
打印（'concat'）
c=串联（[c1，c2]）
打印（'here'）
对于范围（1）中的i：
x=密集（256，激活='relu'，内核初始化器='normal'）（c）
#x=辍学率（0.25）（x）
打印（'输出'）
输出=密集（5，激活='softmax'）（x）
打印（“”）
模型=模型（[i1，i2]，[output]）
model.summary（）
model.compile（loss=keras.loss.categorical_交叉熵，
optimizer=keras.optimizers.Adam（），
指标=[‘准确度’]）
回归模型
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
nb_conv=[2,3,4,5,6]
conv_过滤器=[100150200250300350400]
对于nb_conv中的conv_层：
对于conv_过滤器中的过滤器：
打印（'转换层：'，转换层，'过滤器：'，过滤器）
模型=模型（转换层、过滤器）
培训生成器、验证生成器=数据生成
历史=模型。拟合生成器（生成器=培训生成器，验证数据=验证生成器，使用多处理=真，
工人（6人）
小地块（211）
plt.plot（history.history['acc']）
plt.plot（历史.历史['val_acc']）
产品名称（“型号精度”）
plt.ylabel（“精度”）
plt.xlabel（'epoch'）
plt.图例（['train'，'test'，loc='左上角〕）
小地块（212）
plt.plot（history.history['loss']））
plt.绘图（历史记录，历史记录['val_loss']）
产品名称（“型号损失”）
plt.ylabel（“损失”）
plt.xlabel（'epoch'）
plt.图例（['train'，'test'，loc='左上角〕）
completename_acc=路径_，用于图+'/'+str（转换层）+'+str（过滤器）+'.png'
plt.savefig（完整名称）
plt.close（）
打印（'下一次迭代的时间'）
keras.backend.clear_session（）

因此，当我的conv_层为2，conv_过滤器为150（即第二次迭代）时，它会抛出错误

Traceback (most recent call last):
  File "model.py", line 126, in <module>
    model = model(conv_layer,filters)
TypeError: __call__() takes 2 positional arguments but 3 were given

回溯（最近一次呼叫最后一次）：
文件“model.py”，第126行，在
模型=模型（转换层、过滤器）
TypeError:\uuuuu call\uuuuuu（）接受2个位置参数，但给出了3个

---

有人能解释一下为什么我会出现这个错误，因为当conv_层为2，conv_过滤器为100时，它会在第一次迭代中运行吗？如果您有任何见解，我们将不胜感激。

这里存在名称冲突重命名模型函数，以便与真实模型区分开来

改变

def model(conv_layer,filters):

到

---

是的，它起作用了。谢谢但它在第一次迭代中是如何工作的呢？您只能调用您的模型函数一次，因为它的输出是一个不同的模型函数

def get_model(conv_layer,filters):
    ....