Tensorboard add_scalar在for循环中仅记录最后一个值的问题排查

TensorBoard的add_scalar方法中，第三个参数global_step的设计初衷是记录训练过程中的整数迭代步数，而非自定义的浮点型阈值。当你传入浮点数作为global_step时，TensorBoard内部对数据的索引和渲染逻辑会出现异常，导致多个数据点无法被正确识别和展示，最终只保留最后一个写入的数据。

以下两种方案可以解决这个问题：

方案1：将阈值作为Tag的一部分 #

把每个阈值对应的准确率作为独立的曲线条目，用固定的整数（比如当前训练轮次epoch）作为global_step：

# 假设当前训练轮次为epoch，也可以用0这类固定值
epoch = 5
for threshold, acc in eval_metrics['accuracy'].items():
    writer.add_scalar(f'acc/threshold_{threshold}', acc, global_step=epoch)

这样在TensorBoard的标量面板中，你会看到以acc/threshold_0.2、acc/threshold_0.4命名的多个曲线，每个曲线对应一个阈值的准确率。

方案2：将阈值转换为整数步长 #

如果希望把阈值作为横轴展示，可以将浮点型阈值转换为整数（比如乘以10放大），作为global_step传入：

for threshold, acc in eval_metrics['accuracy'].items():
    # 将阈值放大10倍转为整数，避免浮点型step的问题
    step = int(threshold * 10)
    writer.add_scalar('acc', acc, global_step=step)

此时TensorBoard的横轴会显示2、4、6、8，对应原阈值0.2、0.4、0.6、0.8，所有数据点都会被正确渲染。

额外注意事项 #

写完所有数据后，务必调用以下方法确保数据被写入磁盘：

writer.flush()
writer.close()

内容的提问来源于stack exchange，提问作者Jonicorn