Keras中的额外标量汇总

我正在写一个优化损失函数的模型，它由5部分组成

def custom_loss(y_true, y_pred):
    ...

    loss = 5. * loss_xy + 5. * loss_wh + loss_conf + 0.5 * loss_notconf + loss_class
    return loss

在后面的代码中，当我运行fit_生成器时，我传递了Tensorboard回调，它允许我查看loss函数的行为。我搞不懂的是如何在Tensorboard中看到最终损失函数的各个部分（loss_xy，loss_w，loss_conf，loss_notconf，loss_class）。有合适的方法吗？我在文档中找不到任何东西

tensorboard = callbacks.TensorBoard(log_dir=log_dir, write_graph=True)
tensorboard.set_model(model)

model.fit_generator(generator=train_iterator, epochs=50, callbacks=[tensorboard])

---

目前，在Keras中，使用我发现的TensorBoard显示某些内容的唯一方法是创建额外的度量，并将其传递给

model.compile（metrics=[additional\u metric]）

此后是否发生了变化？这是我搜索了一段时间后发现的唯一东西。这似乎相似/相关，但不是Keras。