定制的tf.keras.keras.callbacks.TensorBoard在tensorflow版本> = 1.15.0中不能很好地工作。

Question

以下是从this github repo中克隆的定制TensorBoard，其目的是在每批末尾存储学习率和所谓的KL重量，在tensorflow版本<= 1.12.0中效果很好。应该在版本大于等于1.15.0的每个批次中。我该如何解决？

class TensorBoardLR(TensorBoard):
    """ A modification to the Tensorboard callback to also include the scalars of learning rate and KL weight"""
    def __init__(self, *args, **kwargs):
        self.kl_weight = kwargs.pop('kl_weight')
        super().__init__(*args, **kwargs)
        self.count = 0

    def on_batch_end(self, batch, logs=None):
        logs.update({'lr': K.eval(self.model.optimizer.lr),
                     'kl_weight': K.eval(self.kl_weight)})
        super().on_batch_end(batch, logs)

以下是从此github存储库中克隆的定制TensorBoard，旨在在每批末尾存储学习率和所谓的KL权重，在tensorflow版本<= 1 ....]中效果很好。 [
将方法的名称从on_batch_end更改为on_train_batch_end。 
他们保留了用于遗留代码的方法，https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/keras/callbacks/Callback这也是keras和tensorflow.keras之间的区别。

Answer 1