Keras+TensorBoard报错：未找到标量数据，无法展示损失与精度曲线

我之前也踩过这个坑，别慌，咱们一步步来排查解决：

• 先确认日志目录路径是否正确
  你启动TensorBoard用的--logdir=.../tmp/unet路径，得确保是绝对路径，或者和你当前终端所在目录匹配的相对路径。比如如果你的tmp/unet在项目根目录，但终端打开在桌面，那相对路径就会出错。可以先在终端里用ls .../tmp/unet（Windows用dir）检查：这个目录下有没有生成events.out.tfevents.*开头的文件？如果没有，要么是路径写错了，要么训练时压根没生成日志。

• 检查模型编译与回调的基础设置
  首先得保证模型编译时指定了要记录的指标，比如精度：

  # 模型编译时要明确metrics，不然TensorBoard没数据可记录
  unet.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
  

  另外确认TensorBoard回调的导入是否正确：

  from tensorflow.keras.callbacks import TensorBoard
  

  要是导入错了，训练时回调根本不会生效，自然不会生成日志文件。

• 验证日志目录是否真的有数据
  训练结束后，直接打开tmp/unet目录看看：有没有events.out.tfevents.xxxxxx这类文件？如果目录是空的，大概率是权限问题——比如你的程序没有写入tmp/unet的权限。建议换个更稳妥的路径，比如项目根目录下的./logs/unet，相对路径权限问题更少。

• 检查TensorFlow与TensorBoard版本兼容性
  版本不兼容也会导致读取不到数据。在终端分别执行这两条命令，确认大版本一致：

  # 查看TensorBoard版本
  tensorboard --version
  # 查看TensorFlow版本
  python -c "import tensorflow as tf; print(tf.__version__)"
  

  如果版本差得远，建议升级或降级到匹配的版本。

• 重启TensorBoard并清空旧缓存
  有时候TensorBoard会缓存旧数据，或者进程没彻底关闭。先按Ctrl+C关掉当前TensorBoard进程，然后删除日志目录里的所有文件，重新训练模型，再启动TensorBoard：

  # 删除旧日志（Linux/macOS）
  rm -rf .../tmp/unet/*
  # Windows用这个
  rmdir /s/q .../tmp/unet && mkdir .../tmp/unet
  # 重新训练模型后启动TensorBoard
  tensorboard --logdir=正确的日志路径
  

内容的提问来源于stack exchange，提问作者Punisher