我可以在全球每一步都得到训练损失。但我确实想在张量板的图表“lossxx”中添加评估损失。怎么做？
MyHook 类（tf.train.SessionRunHook）：
def after_run(self,run_context,run_value):
_session = run_context.session
_session.run(_session.graph.get_operation_by_name('acc_op'))
def my_model（功能，标签，模式）：
...
logits = tf.layers.dense(net, 3, activation=None)
predict_classes = tf.argmax(logits, 1)
如果模式 == tf.estimator.ModeKeys.PREDICT：
预测 = {
“类”：预测类，
“概率”：tf.nn.softmax(logits)
}
返回 tf.estimator.EstimatorSpec（模式，预测=预测）
# 计算损失。
损失= tf.losses.sparse_softmax_cross_entropy（标签=标签，logits=logits）
acc, acc_op = tf.metrics.accuracy(labels=labels, predictions=predicted_classes)
tf.identity(acc_op,'acc_op')
loss_sum = tf.summary.scalar('lossxx',loss)
accuracy_sum = tf.summary.scalar('accuracyxx',acc)
合并 = tf.summary.merge_all()
# 创建训练操作。
如果模式 == tf.estimator.ModeKeys.TRAIN：
优化器 = tf.train.AdagradOptimizer(learning_rate=0.1)
train_op = optimizer.minimize(loss, global_step=tf.train.get_global_step())
return tf.estimator.EstimatorSpec（模式，损失=损失，train_op=train_op，
training_chief_hooks=[
tf.train.SummarySaverHook(save_steps=10, output_dir='./model', summary_op=merg)])
返回 tf.estimator.EstimatorSpec(
模式，损失=损失，eval_metric_ops={'accuracy': (acc, acc_op)}
)
分类器.train(input_fn=train_input_fn, steps=1000,hooks=[ MyHook()])
