tensorflow2.17中编写的程序写入event文件并用tensorboard调用

在TensorFlow 2.x版本中，特别是TensorFlow 2.17，你可以使用`tf.summary`模块来记录训练过程中的事件数据，这些数据会被写入名为`.tfrecords`或`.events`的Event文件。以下是基本步骤：

1. **初始化Writer**：
首先，你需要创建一个`SummaryWriter`对象，这将用于将数据写入事件文件。通常在你的训练循环开始时创建：

import tensorflow as tf

writer = tf.summary.create_file_writer('logs/my_run')  # 'logs'是你指定的目录

2. **记录事件**：
使用`tf.summary.scalar`, `tf.summary.histogram`, `tf.summary.image`等函数记录不同类型的摘要信息。例如，记录损失值和学习率：

with writer.as_default():
    for epoch in range(num_epochs):
        loss = train_step()  # 训练步骤
        tf.summary.scalar('loss', loss, step=epoch)  # 损失值
        lr = learning_rate(epoch)  # 学习率
        tf.summary.scalar('learning_rate', lr, step=epoch)

3. **关闭Writer**：
当你完成一次训练周期或整个训练结束后，别忘了关闭writer：

writer.close()

4. **使用TensorBoard查看结果**：
在命令行中运行TensorBoard，通过以下命令访问日志目录：

tensorboard --logdir logs

打开浏览器，输入TensorBoard提供的地址（默认localhost:6006），就可以看到实时更新的训练指标图表。

注意，如果你是在Docker环境中，可能需要在运行TensorBoard时指定宿主机的日志目录，因为默认只会在容器内部查找。