TensorBoard未显示评估指标：TensorFlow目标检测模型测试集mAP查看问题
我之前在Windows 10环境下训练TensorFlow目标检测模型时，也碰到过和你完全一样的情况——能看到训练损失、测试集的检测可视化结果，就是看不到mAP这类关键的精度标量。结合我的踩坑经验，给你几个实用的排查和解决方向：
1. 确保训练与评估的日志路径分离且正确关联
启动train.py和eval.py时，一定要给它们指定不同的日志子目录，这样TensorBoard才能区分开训练和评估的指标数据：
- 启动训练时：
python train.py --log_dir=model_dir/train ... - 启动评估时：
python eval.py --log_dir=model_dir/eval ...
之后再用tensorboard --logdir=model_dir/启动面板，它会自动识别train和eval两个子目录的日志，这时候Scalars面板里应该就能看到测试集的mAP、recall等指标了。
2. 检查配置文件的评估指标配置是否正确
打开你使用的模型配置文件（比如ssd_resnet50_v1_fpn_coco.config这类），找到eval_config区块，确认已经启用了正确的评估指标集合：
eval_config: { metrics_set: "coco_detection_metrics" # 针对COCO类数据集的指标，自定义数据集也可以用这个 use_moving_averages: false }
同时还要核对eval_input_reader部分的label_map_path和tf_record_input_reader的路径，确保它们准确指向你的测试集TFRecord文件和标签映射文件，路径错误会导致评估无法正常计算指标。
3. 等待完成一轮完整的评估
不同于训练过程中实时输出损失值，eval.py需要遍历完所有测试集图片、完成一轮完整的评估计算后，才会把mAP等指标写入日志文件。你可以盯着eval的控制台输出，等它打印出类似Finished evaluation的提示后，再刷新TensorBoard查看指标。
4. 验证pycocotools的可用性
虽然你已经成功安装，但Windows环境下偶尔会存在隐性的依赖问题。可以打开Python控制台，输入import pycocotools，如果没有报错，再尝试运行TensorFlow目标检测库中的coco_eval.py测试脚本，确认它能正常完成指标计算——如果这一步出错，就需要重新排查pycocotools的安装问题。
5. 清理TensorBoard缓存
有时候TensorBoard会缓存旧的日志数据，导致新的指标无法显示。你可以先关闭TensorBoard进程，删除model_dir/eval目录下的旧日志文件，重新启动eval.py和TensorBoard，再检查指标是否正常显示。
内容的提问来源于stack exchange，提问作者gsavage
