我进行了很长时间的训练（强化学习，2000 万步），每 10000 步写一次总结。在步骤 4M 和 6M 之间，我在 TensorBoard 标量图表中看到了 2 个游戏得分的峰值，然后我让它运行并进入睡眠状态。早上，它在大约 12M 步运行，但我之前看到的 4M 和 6M 步之间的峰值从图表中消失了。我试图放大并发现 TensorBoard（随机？）跳过了一些数据点。我也尝试导出数据，但导出的 .csv 中也缺少一些数据点，包括峰。
我在 TensorFlow github 页面中寻找答案并找到了这个：
TensorBoard 使用水库采样来对数据进行下采样，以便将其加载到 RAM 中。您可以在 tensorboard/backend/server.py 中修改每个标签保留的元素数量。
有人修改过这个 server.py 文件吗？我在哪里可以找到该文件，如果我从源代码安装了 TensorFlow，我是否必须在修改文件后重新编译它？
【问题讨论】：
您不必为此更改源代码，有一个名为--samples_per_plugin 的标志。
引用帮助命令
--samples_per_plugin：可选的以逗号分隔的 plugin_name=num_samples 对列表，以显式 指定为该插件的每个标签保留多少样本。对于未指定的插件，TensorBoard 将记录的摘要随机下采样到合理的值，以防止长时间出现内存不足错误 运行作业。该标志允许对下采样进行精细控制。请注意，0 表示保留所有 该类型的样本。例如，“scalars=500,images=0”保留 500 个标量和所有图像。最多 用户不需要设置此标志。 （默认：''）
因此，如果您想要一个包含 100 个图像的滑块，请使用：
tensorboard --samples_per_plugin images=100
【讨论】：
--samples_per_plugin scalars=0，然后我的所有数据点都消失了。所以我设置了--samples_per_plugin scalars=999999999，它工作得很好......
评论已过时 - 它实际上可以在“默认大小指南”中的 tensorboard/backend/application.py 中进行修改。默认情况下，它存储 1000 个标量。您可以任意增加该限制，或将其设置为 0 以存储每个标量。
您无需重新编译 TensorBoard，甚至无需从源代码下载。你可以自己在 TensorBoard 中修改这个文件。
如果您在 virtualenv 中使用 pip 安装 TensorFlow（ubuntu、mac），那么在您的 virtualenv 目录中，application.py 的路径应该类似于 lib/python2.7/site-packages/tensorflow/tensorboard/backend。如果您修改该文件，您应该在您的 tensorboard 中获得新设置（当您在该 virtualenv 中运行 tensorboard 时）。如果你像我一样，你也会写一个打印语句，这样你就可以确定你正在运行修改过的代码:)
【讨论】：
scalar_metadata.PLUGIN_NAME。