如何在TensorFlow 2中使用tf.summary和Keras记录内部损失项

如何解决如何在TensorFlow 2中使用tf.summary和Keras记录内部损失项

我希望能够在损失计算期间记录到张量板一些中间结果。对我来说，这似乎是一件非常基本的事情，因为例如在某些检测CNN中，损失是由一个置信度分量和一个本地化分量构成的，监视它们中的每个分量可能很重要。

对于我搜索的内容，我认为应该使用tf.summary来完成。在this中，他们提出了其他问题，但这对我不起作用。

下面是一个玩具示例，我尝试在其中使用tf.summary。重点是监视tf.reduce_mean(sign)（只是为了能够记录某些内容）。

import tensorflow as tf

file_writer = tf.summary.create_file_writer('./logs')
file_writer.set_as_default()

def huber_loss(y_true,y_pred):
    diff = tf.subtract(y_true,y_pred)
    sign = tf.cast(tf.less(tf.abs(diff),1.0),tf.float32)
    tf.summary.scalar('mean sign',tf.reduce_mean(sign))
    loss = 0.5 * diff * diff * sign + (tf.abs(diff) - 0.5) * (1.0 - sign)
    return tf.reduce_sum(loss)

x = tf.random.uniform(minval=0,maxval=1,shape=(1000,4),dtype=tf.float32)
y = tf.multiply(tf.reduce_sum(x,axis=-1),5)

model = tf.keras.Sequential([
    tf.keras.layers.Dense(16,input_shape=[4],activation='relu'),tf.keras.layers.Dense(32,tf.keras.layers.Dense(1)
])

model.compile(loss=huber_loss,optimizer='adam')

tensorboard_callback = tf.keras.callbacks.TensorBoard(log_dir='./logs',update_freq='batch')

history = model.fit(x,y,epochs=10,callbacks=[tensorboard_callback])

当我运行该代码时，在张量板上为mean sign创建的图在第0步只有一个值：Plotted loss has only one value at step 0。 （但是，总损失的图很好，但这不是我感兴趣的。）

所以有人可以告诉我上面代码中的问题是什么，或者如何实现？