将TensorBoard 2中的2个绘图与TensorFlow 2合并

我想使用Tensorflow和tensorboard V2在同一个图上合并精度和召回率。我找到了许多以前版本的示例，但没有一个在我的案例中有效

我创建了一个Keras回调来计算精度和召回率，然后调用tensorflow摘要将它们记录在同一个记录器中。我可以在Tensorboard中看到它们，但是在两个独立的图中

类分类报告（回调）：
定义初始化（self、数据生成器、步骤、标签名称、日志目录）：
"""
实例化器
：param data_generator：生成输入数据的数据生成器
：参数步骤：int，批次大小
：param data_type，字符串，“training”、“validation”或“test”，在日志中使用前缀
：param log_directory:pathlib2指向TensorBoard日志目录的路径
"""
self.data\u generator=数据\u generator
self.steps=步骤
self.data\u type=数据类型
self.logger=tensorflow.summary.create_file_writer（str（log_目录/self.data_类型））
SKEXE分类报告中要考虑的标量的名称
self._scalar_names=['precision'，'recall']
_epoch_end上的def（self、epoch、logs={}）：
"""
记录精度和召回率
：param epoch:int，纪元数
：param logs：存储度量的Keras字典
"""
y_true=numpy.zero（自步数）
y_predicted=numpy.zero（自步数）
…在这里，我用数据生成器获取y_true和y_predicted
#当前报告由SciKit Learn计算
当前报告=分类报告（y为真，y为预测，输出为真）
使用self.logger.as_default（）：
对于self.\u标量\u名称中的标量\u名称：
tensorflow.summary.scalar(
name=“{}/macro average/{}”格式（self.data类型，标量名称），
数据=当前报告['macro avg'][标量名称]，
步长=历元）
返回超级（）。在\u历元\u结束时（历元，日志）

---

就我所理解的Tensorboard 2逻辑而言，似乎不可能在同一个图上绘制2个标量摘要。。。在此阶段欢迎任何建议。

使用两个具有相同标量摘要名称的不同编写器

import numpy as np
import tensorflow as tf

logger1 = tf.summary.create_file_writer('logs/scalar/precision')
logger2 = tf.summary.create_file_writer('logs/scalar/recall')

precision = np.random.uniform(size=10)
recall = np.random.uniform(size=10)

for i in range(10):
    with logger1.as_default():
        tf.summary.scalar(name='precision-recall', data=precision[i], step=i)
    with logger2.as_default():
        tf.summary.scalar(name='precision-recall', data=recall[i], step=i)

tensorboard—logdir日志/标量

---

根据此答案（适用于tf2）：

使用两个具有相同标量摘要名称的不同编写器

import numpy as np
import tensorflow as tf

logger1 = tf.summary.create_file_writer('logs/scalar/precision')
logger2 = tf.summary.create_file_writer('logs/scalar/recall')

precision = np.random.uniform(size=10)
recall = np.random.uniform(size=10)

for i in range(10):
    with logger1.as_default():
        tf.summary.scalar(name='precision-recall', data=precision[i], step=i)
    with logger2.as_default():
        tf.summary.scalar(name='precision-recall', data=recall[i], step=i)

tensorboard—logdir日志/标量

---

根据这个答案，对tf2:

进行了调整，这非常有效。我在总结逻辑中遗漏了一些东西。谢谢！那很好用。我在总结逻辑中遗漏了一些东西。谢谢！