在Keras中进行手动批处理时如何使用Tensorboard

Question

因为我为每个小批量调用一次model.fit（），所以我最终获得了数百个Tensorboard事件文件。我希望有某种方法可以（a）控制信息输出的速率，并且（b）将所有信息都存储在单个复合事件文件中，就像使用直接Tensorflow时可以得到的一样。

在尝试进行强化学习时，我遇到了同样的问题。这次，由于输入数据的大小和复杂性，需要手动批处理。 （9 GB的输入数据包含不连续性，要求我跳过某些记录，以避免对一半序列和另一序列进行训练。）

我已经尝试过了：

self.tensorboard = keras.callbacks.TensorBoard(log_dir=f"tensorboard/{int(time())}",
                                     write_graph=False,
                                     update_freq=10*BATCH_SIZE)
self.tensorboard.set_model(model)

[...]
    self.model.fit(
            x = iBatch, 
            y = iLabels,
            epochs=1, 
            batch_size=len(iLabels), 
            verbose=0
            callbacks=[self.tensorboard])

这将导致数百个微小的事件文件。除其他外，回调似乎忽略了“ update_freq”参数。