Python 3.x 训练时使用Tensorboard获得keras模型的实时统计数据

当一个keras模型在训练时，如何在tensorboard will中获得某种类型的实时进度反馈。与说明流程有多远的

进度条一样，图形显示
acc
、
val_acc
、
loss
和
val_loss
等，但随着模型的训练（不仅在最后）。是否可以使用自动页面刷新功能（例如每3分钟本地主机链接刷新一次）完成此操作

在培训之前，我使用以下代码运行tensorboard localhost：

tensorboard.main --host=localhost --port=6006 --logdir="C:\*****\logs"

和以下代码来编写日志：

import time
from keras.callbacks import TensorBoard

RUN_NAME_DATE = "model run - {}".format(time.asctime(time.localtime(time.time())))
logger = TensorBoard(
    log_dir='logs/{}'.format(RUN_NAME_DATE),
    write_graph=True,
    histogram_freq=2
)

该模型采用以下方式安装：

model.fit(x_train, y_train, validation_data = (x_validation, y_validation), epochs = 20, verbose = 1, batch_size =32, shuffle=True, callbacks=[logger])

但是我没有实时更新。我不确定这些是否足以获得实时更新，因为我是tensorboard的新手。请帮助我指出我到底哪里做错了。
您需要首先启动tensorboard服务器并将其指向您的日志目录。然后，当您开始培训时，您可以手动单击刷新图标，该图标将开始显示进度。此后，每30秒更新一次进度。它不能正确更新，它滞后于历元训练更新。