Tensorboard火车数据与验证数据步数不同

Question

我正在使用keras设置张量板。这是我正在使用的代码：

tensorboard_callback = keras.callbacks.TensorBoard(logdir)
model.compile(loss = 'sparse_categorical_crossentropy', optimizer = 'sgd', metrics = ['accuracy'])
history = model.fit(X_train, y_train, epochs = 40, 
                   validation_data = (X_valid, y_valid), 
                   callbacks = [tensorboard_callback]) 

当我运行它时，我得到意想不到的图：

因此，曲线使验证数据的运行看起来比训练数据（橙色）要多。但是，在训练期间，反馈显示我正在获得所有40个时期的结果。例如：：这是running model.fit()之后的最后几行：

Epoch 37/40
55000/55000 [==============================] - 7s 122us/sample - loss: 0.2029 - accuracy: 0.9274 - val_loss: 0.2961 - val_accuracy: 0.8954
Epoch 38/40
55000/55000 [==============================] - 7s 120us/sample - loss: 0.2010 - accuracy: 0.9288 - val_loss: 0.2974 - val_accuracy: 0.8920
Epoch 39/40
55000/55000 [==============================] - 7s 121us/sample - loss: 0.1958 - accuracy: 0.9299 - val_loss: 0.3039 - val_accuracy: 0.8914
Epoch 40/40
55000/55000 [==============================] - 7s 120us/sample - loss: 0.1943 - accuracy: 0.9307 - val_loss: 0.2954 - val_accuracy: 0.8960

已多次运行，具有不同的时期数，并始终在图中看到这种差异。