如何让Skorch的TensorBoard回调追踪EpochScoring定义的自定义分数？

• 问题根源：Skorch的TensorBoard回调默认仅追踪预定义的基础指标（如train_loss、valid_loss），不会自动识别EpochScoring生成的自定义分数键。
• 无需手动编写新回调的解决步骤：
  1. 确认自定义分数键名：从net.history中获取你通过EpochScoring生成的分数键。比如你初始化EpochScoring(scoring='f1', name='valid_f1')，对应的键名就是valid_f1。
  2. 配置TensorBoard回调的log_keys参数：在创建TensorBoard实例时，将自定义分数键添加到log_keys列表中，示例代码如下：

     from skorch.callbacks import TensorBoard, EpochScoring
     
     # 初始化自定义分数回调
     custom_scorer = EpochScoring(scoring='f1', name='valid_f1', lower_is_better=False)
     
     # 配置TensorBoard回调，加入自定义分数键
     tb_callback = TensorBoard(
         log_dir='./tensorboard_logs',
         log_keys=['train_loss', 'valid_loss', 'valid_f1']  # 添加上你的自定义分数键
     )
     
     # 训练时传入两个回调
     net.fit(X_train, y_train, callbacks=[custom_scorer, tb_callback])
     

  3. 多自定义分数的处理：如果有多个自定义指标，直接把所有需要追踪的键名都加入log_keys列表即可，比如['train_loss', 'valid_loss', 'valid_f1', 'valid_recall']。
• 快捷方式：若想追踪历史记录中所有指标，可直接设置log_keys='all'，但会包含所有历史日志，按需选择即可。

内容的提问来源于stack exchange，提问作者Eric Johnson