1、回调函数应用场景、作用、语法规则

回调可以在训练的各个阶段执行。使用回调函数可以在每次 批训练之后生成日志，以便监控指标、定期保存模型或保存最优模型、尽早停止训练等。

tf.keras.callbacks.TensorBoard(
    log_dir='logs', histogram_freq=0, write_graph=True,
    write_images=False, update_freq='epoch', profile_batch=2,
    embeddings_freq=0, embeddings_metadata=None, **kwargs
)

log_dir: 用来保存Tensorboard的日志文件等内容的位置
histogram_freq: 对于模型中各个层计算激活值和模型权重直方图的频率。
write_graph: 是否在 TensorBoard 中可视化图像。
write_grads: 是否在 TensorBoard 中可视化梯度值直方图。
batch_size: 用以直方图计算的传入神经元网络输入批的大小。
write_images: 是否在 TensorBoard中将模型权重以图片可视化。
update_freq: 常用的三个值为’batch’ 、 ‘epoch’ 或 整数。当使用 ‘batch’ 时，在每个 batch 之后将损失和评估值写入到 TensorBoard 中。 ‘epoch’ 类似。如果使用整数，会在每一定个样本之后将损失和评估值写入到 TensorBoard 中。

【重点学习】模型训练过程中回调函数的作用_modelcheckpoint-CSDN博客

2、回调函数用法

参考：

1、

《Python 深度学习》刷书笔记 Chapter 7 使用TensorBoard检查监控深度学习模型_tonsorboard-CSDN博客

2、✔✔✔ TensorBoard 的正确打开方法（含错误解决方法，超详细） ✔✔✔_you haven鈥檛 written any data to your event files. -CSDN博客​​​​​​​​​​​​​​