如何使用自定义估算器同时显示训练集和验证集的损失曲线？

Question

最近，我使用custom_estimator.py建立了模型。为了清除损失值在训练集和验证集中的变化。我需要知道如何同时显示训练和验证集的损失曲线。我尝试使用estimator的train_and_evaluate api，得到了以下图片。

如图所示，评估结果是一个点，但是我想要一条像训练集损失曲线的线。如下图所示。

当我使用估算器时，我这样称呼训练和验证：

train_input_fn=tf.estimator.inputs.numpy_input_fn(
                x={"x":img_t},
                y=lbl_t,
                batch_size=100,
                num_epochs=None,
                shuffle=True)
              cla.train(
                imput_fn=train_input_fn,
                steps=17000,
                hooks=[logging_hook])

            #Obtain the hole batch of validation images
            img_v,lbl_v=sess.run([img_val,lbl_val])

            #Enter the inputs to the model for validation
            val_input_fn=tf.estimator.inputs.numpy_input_fn(
                x={"x":img_v},
                y=lbl_v,
                num_epochs=1,
                shuffle=False)
            val_results=cla.evaluate(input_fn=val_input_fn)

我这样注册：

#Calculate the accuracy........................
accuracy=tf.metrics.accuracy(labels=labels,predictions=predictions["classes"])
metrics={"accuracy":accuracy}
tf.summary.scalar("accuracy",accuracy[1])
#.............................................

#Training.....................................
if mode==tf.estimator.ModeKeys.TRAIN:
    optimizer=tf.train.GradientDescentOptimizer(learning_rate=0.001)
    train_op=optimizer.minimize(loss=loss,global_step=tf.train.get_global_step())
    return tf.estimator.EstimatorSpec(mode=mode,loss=loss,train_op=train_op)
#.............................................

#Validation....................................
if mode==tf.estimator.ModeKeys.EVAL:
    return tf.estimator.EstimatorSpec(mode=mode,loss=loss,eval_metric_ops=metrics)

当我进行培训时，我不知道如何记录验证损失，并像图像上的曲线一样显示它，我将不胜感激