Python Tensorboard未显示上次训练模型的自定义度量

我正在培训一系列关于python tensorflow的模型，并在Tensorboard上显示结果。这最初是在jupyter笔记本上完成的，但显然在Colab上也存在问题

除了验证结果之外，我还想在Tensorboard上显示测试集上的评估结果，为此，我通过重写on_train_end方法创建了一个自定义回调，该方法调用

res=self.model.evalute（x=x_测试，y=y_测试，batch_size=1）

然后

tf.summary.scalar

将计算结果存储为scalar。在结束所有的训练后，我启动了tensorboard。问题是tensorboard没有显示最后一个模型的度量：给定

n

模型（其架构在

models\u ARCH

中定义），tensorboard只是显示第一个

n-1

模型的自定义度量值

下面是代码（在jupyter笔记本中，有些行不能直接从python运行，例如

！rm-rf NNlogs/*

以删除以前的日志）：

如果我这样做：

for m in models:
    print(m.name, m.evaluate(x=x_test, y=y_test, batch_size=1, verbose=0))

它打印所有模型的评估结果：

Dense2 43.158206939697266
Dense3 44.55398941040039
Dense4 43.6148681640625
Dense5 48.75056457519531

但当我发射张力板时

%load_ext tensorboard
%tensorboard --logdir NNlogs --host localhost

在左菜单上为所有模型选择

度量值

，它不会显示

Dense8

模型中的一个，而会显示其他模型中的一个。从这张图片中可以看出问题，您可以看到左下角的模型度量值已被选择，但上面的图表没有显示t此模型的值（请相信它不会缩放）

此外，我还检查了该型号的文件夹

NNlogs

，我可以看到其他型号的扩展名为

*.v2

，因此我认为该指标是正确安全的

---

接下来，只有当缓冲区已满时，tf.summary.create\U file\U writer才会写入磁盘。显然，当写入多个模型求值时，缓冲区会被填满。因此，在第四次求值时，它会写入第三次磁盘，而缓冲区包含第四次，但未满，不会写入磁盘。强制要刷新缓冲区并将内容写入磁盘，在

for

循环之后调用

file\u writer.close（）

就足够了（在循环之外）。

这可能不是对您的问题的直接回答，但您是否考虑过使用Aim？ 它在可视化度量和分析度量方面具有更高的复杂度，但也易于使用/开始使用：

• pythonic快速搜索超过100秒的实验
• 按参数对度量进行分组和聚合
• 无缝切换到平行坐标视图

免责声明：我是一个贡献者。希望这能有所帮助

%load_ext tensorboard
%tensorboard --logdir NNlogs --host localhost