Python tensorboard中的边缘精度和损失图

我使用tensorboard将我的神经网络学习可视化。目前，我正在处理这样大小的数据集，比如说80%/20%拆分为培训和开发集合，这样在处理过程中会留下不适合内存的数据，所以我必须在开发步骤中使用批处理

当我这样做时，我会在张力板图表上显示以下形状：

浅绿色线条表示批处理摘要，深绿色线条表示未批处理的开发处理。我对这两个图表使用了相同大小和分割的数据集

下面是用于填充摘要的代码

# accuracy definition in network
network.correct_predictions = tf.equal(predictions, tf.argmax(input_y, 1))
network.accuracy = tf.reduce_mean(tf.cast(correct_predictions, "float"), name="accuracy")
network.loss = tf.reduce_mean(_losses)

# accuracy summary
acc_summary = tf.scalar_summary("accuracy", network.accuracy)
loss_summary = tf.scalar_summary("loss", network.loss)

# dev data summary writer
dev_summary_operation = tf.merge_summary([loss_summary, acc_summary])
dev_summary_writer = tf.train.SummaryWriter(dev_summary_dir, session.graph)

# dev step
def dev_step(x_batch, y_batch)
    feed_dict = {network.input_x: x_batch, network.input_y: y_batch}
    step, summaries, loss, accuracy = session.run([global_step, dev_summary_operation, network.loss, network.accuracy], feed_dict)
    dev_summary_writer.add_summary(summaries, step)

在训练步骤中的相同方法给出了正常的线条（那些不尖锐的线条），因为训练在这两种情况下都是成批进行的。 在这两种情况下（分批或非分批），开发概要每100个培训批更新一次

我们非常欢迎并高度赞赏关于此类行为的原因和可能的解决办法的建议