TF2.0中不使用keras.fit与estimator时TensorBoard无法显示标量的问题

你创建了train_summary_writer和test_summary_writer，但没有把tf.summary.scalar的调用绑定到对应的writer上下文——TensorFlow需要明确知道要把标量数据写入哪个日志文件，你的代码只是调用了tf.summary.scalar，却没指定目标writer，导致数据根本没写入logs/tr或logs/ts目录的事件文件，TensorBoard自然找不到数据。

修正后的代码 #

import tensorflow as tf

train_loss = tf.keras.metrics.Mean('train_loss', dtype=tf.float32)
test_loss = tf.keras.metrics.Mean('test_loss', dtype=tf.float32)

train_summary_writer = tf.summary.create_file_writer('logs/tr')
test_summary_writer = tf.summary.create_file_writer('logs/ts')

for ep in range(1000):
    # 模拟更新训练/测试loss值
    train_loss(1 * ep)
    test_loss(2 * ep)
    
    # 写入训练日志：必须在train_summary_writer的上下文环境中
    with train_summary_writer.as_default():
        tf.summary.scalar('trloss', train_loss.result(), step=ep)
    
    # 写入测试日志：必须在test_summary_writer的上下文环境中
    with test_summary_writer.as_default():
        tf.summary.scalar('tsloss', test_loss.result(), step=ep)
    
    # 重置metrics，避免累计值干扰下一个epoch的结果
    train_loss.reset_states()
    test_loss.reset_states()

关键说明 #

• 上下文管理器的作用：with writer.as_default()会将当前writer设为默认的summary写入目标，这个块内的tf.summary调用都会把数据写入对应日志文件。
• 重置metrics：如果不调用reset_states()，train_loss.result()会返回从第一个epoch到当前的累计均值，而非当前epoch的单独值，这会导致曲线不符合你预期的线性增长趋势。
• 验证日志生成：运行修正后的代码后，去logs/tr和logs/ts目录查看，应该会生成类似events.out.tfevents.xxxxxx的文件，此时再启动TensorBoard就能看到标量曲线了。

内容的提问来源于stack exchange，提问作者EyesBear