Python TensorBoard训练图的步骤比验证图少。为什么？

我正在用TensorFlow训练一个神经网络，我想用TensorBoard可视化训练结果

我的代码如下：

model = Sequential([
    Dense(len(test_inputs[0])),
    BatchNormalization(),
    Activation('tanh'),
    Dropout(0.01),

    Dense(128),
    BatchNormalization(),
    Activation('tanh'),
    Dropout(0.01),

    Dense(128),
    BatchNormalization(),
    Activation('relu'),
    Dropout(0.01),

    Dense(len(test_outputs[0])),
    BatchNormalization(),
    Activation('softmax')
])

model.compile(
    optimizer='Adadelta',
    loss='mse',
    metrics=['accuracy']
)


log_dir="logs/fit/" + datetime.datetime.now().strftime("%Y%m%d-%H%M%S")
tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir=log_dir, histogram_freq=1)


model.fit(
    x = train_inputs,
    y = train_outputs,
    epochs = 5000,
    batch_size = 100,
    validation_data = (test_inputs, test_outputs),
    callbacks = [tensorboard_callback],
    verbose = False
)

除了我在TensorBoard中得到的图（下图）显示了验证数据的所有步骤（蓝线）和训练数据的几个步骤（红线）之外，所有工作都如预期的那样进行

为什么会这样？我肯定做错了什么，但我不知道是什么

---

这是由于张力板中使用的剖面。这个问题实际上还在继续

您可以在培训后重新启动tensorboard进程，或者如果您需要能够遵循培训指标，可以通过阻止tensorboard回调

profile\u batch=0

中的评测来修复此问题