是否存在低级API可向TensorBoard输入目录写入自定义内容？

当然可以！你完全不用依赖TensorFlow会话，就能直接往TensorBoard的日志目录里写入自定义摘要——核心思路就是直接操作Summary Protocol Buffer，把序列化后的字节数据追加写入日志文件就行，和你观察到的“单文件仅追加、依次写入summary proto”的逻辑完全一致。

下面给你拆解具体的实现步骤：

• 第一步：搞定Summary/Event的Proto定义
  TensorBoard的日志文件本质是序列化后的Event proto（它包裹了Summary和时间戳、步数等元数据）。你可以通过两种方式获取对应的结构：

  • 如果你不想依赖TensorFlow：直接从TensorFlow的源码仓库里拿到summary.proto和event.proto文件，用Protobuf工具链编译成你所用语言的代码（比如Python、C++）。
  • 图省事的话：直接用TensorFlow内置的tf.summary.Summary和tf.summary.Event类，哪怕不启动会话也能使用。

• 第二步：构造并序列化Event对象
  举个纯Python（不依赖TensorFlow）的例子，假设你已经编译好了proto文件：

  import time
  from event_pb2 import Event
  from summary_pb2 import Summary, Summary_Value
  
  # 构造一个标量摘要，比如自定义的损失值
  scalar_value = Summary_Value(tag="custom_training_loss", simple_value=0.78)
  summary = Summary(value=[scalar_value])
  
  # 构造Event，添加时间戳和步数信息
  event = Event()
  event.wall_time = time.time()
  event.step = 80  # 自定义的训练步数
  event.summary.CopyFrom(summary)
  
  # 把Event序列化成二进制字节
  serialized_event = event.SerializeToString()
  

• 第三步：追加写入日志文件
  TensorBoard的日志文件名遵循events.out.tfevents.{timestamp}.{hostname}的规则，你可以自己生成符合要求的文件名，然后以二进制追加模式写入序列化后的字节（每个Event单独写入，不能合并）：

  import os
  
  log_dir = "./my_custom_tensorboard_logs"
  os.makedirs(log_dir, exist_ok=True)
  
  # 生成符合规则的日志文件名
  timestamp = int(time.time())
  hostname = "my_local_machine"  # 随便填，不影响TensorBoard解析
  log_file_path = os.path.join(log_dir, f"events.out.tfevents.{timestamp}.{hostname}")
  
  # 追加写入二进制数据
  with open(log_file_path, "ab") as f:
      f.write(serialized_event)
  

• 轻量化替代方案（依赖TensorFlow但无需会话）
  如果只是简单需求，其实不用自己折腾proto编译，直接用TensorFlow的低级tf.summaryAPI就行，全程不用启动会话：

  import tensorflow as tf
  import os
  
  log_dir = "./quick_logs"
  os.makedirs(log_dir, exist_ok=True)
  
  # 创建一个文件写入器
  writer = tf.summary.create_file_writer(log_dir)
  # 写入自定义标量
  with writer.as_default():
      tf.summary.scalar("custom_accuracy", 0.91, step=120)
  # 关闭写入器
  writer.close()
  

不管用哪种方式，写完后直接启动tensorboard --logdir=你的日志目录，就能看到自定义的摘要数据了。

内容的提问来源于stack exchange，提问作者lezebulon