tensorflow 2中的对象检测期间未显示训练和验证数据的性能指标

如何解决tensorflow 2中的对象检测期间未显示训练和验证数据的性能指标

我正在使用efficiencydet-d1在自定义数据集中训练对象检测模型。 我正在使用colab中的 tensorflow 2 。

我已经参考了以下教程

https://gilberttanner.com/blog/tensorflow-object-detection-with-tensorflow-2-creating-a-custom-model

https://towardsdatascience.com/how-to-train-a-tensorflow-2-object-detection-model-25d4da64b817

https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/training.html

我正在使用以下代码进行模型训练：

!python model_main_tf2.py \
    --pipeline_config_path=models/efficientdet_d1-round3/pipeline.config \
    --model_dir=models/efficientdet_d1-round3 \
    --logtostderr

colab终端中的输出：

INFO:tensorflow:Step 100 per-step time 1.300s loss=1.238
I1008 07:51:04.238269 140334195148672 model_lib_v2.py:652] Step 100 per-step time 1.300s loss=1.238
INFO:tensorflow:Step 200 per-step time 1.142s loss=1.260
.....

我尝试使用以下命令启用tensorboard，但即使我打开新网页并键入http：// localhost：6006 /

，它也无法通过colab打开

#method 1
%load_ext tensorboard
%tensorboard --logdir './models/efficientdet_d1-round3/train'

# method 2
!wget https://bin.equinox.io/c/4VmDzA7iaHb/ngrok-stable-linux-amd64.zip
!unzip -o ngrok-stable-linux-amd64.zip
LOG_DIR = "models/efficientdet_d1-round3/train" #"training/"
get_ipython().system_raw(
    'tensorboard --logdir {} --host 0.0.0.0 --port 6006 &'
    .format(LOG_DIR)
)
get_ipython().system_raw('./ngrok http 6006 &')
#The link to tensorboard.
#works after the training starts.
!curl -s http://localhost:4040/api/tunnels | python3 -c \
    "import sys,json; print(json.load(sys.stdin)['tunnels'][0]['public_url'])"

问题：

1. 有什么想法可以通过colab上的张量板检查模型训练的进度吗？
2. 或者，有什么方法可以将不同的度量标准（训练损失，验证损失，mAP）打印到文本文件中，然后用于绘图？

我找到了一些用于启用模型回调的链接，但这些链接用于分类模型。

Plot multiple graphs in one plot using Tensorboard

此外，与对象检测有关的大多数链接都用于张量流1（请参见下文）。

Train Tensorflow Object Detection on own dataset

我对使用图像进行深度学习相对较新，并且已经为此奋斗了一个多月。任何建议/提示/链接都将受到感激。

谢谢