我想保持跟踪的梯度在tensorboard。然而，由于会话运行语句不再是一件事，并且 tf.keras.callbacks.TensorBoard 的 write_grads 参数已被弃用**，我想知道如何在使用Keras或tensorflow 2.0进行训练期间跟踪梯度。
我目前的方法是为此目的创建一个新的回调类，但没有成功。也许别人知道如何完成这种高级的东西。
为测试创建的代码如下所示，但会出现错误，而与将梯度值打印到控制台或tensorboard无关。

import tensorflow as tf
from tensorflow.python.keras import backend as K

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu', name='dense128'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax', name='dense10')
])

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

class GradientCallback(tf.keras.callbacks.Callback):
    console = True

    def on_epoch_end(self, epoch, logs=None):
        weights = [w for w in self.model.trainable_weights if 'dense' in w.name and 'bias' in w.name]
        loss = self.model.total_loss
        optimizer = self.model.optimizer
        gradients = optimizer.get_gradients(loss, weights)
        for t in gradients:
            if self.console:
                print('Tensor: {}'.format(t.name))
                print('{}\n'.format(K.get_value(t)[:10]))
            else:
                tf.summary.histogram(t.name, data=t)

file_writer = tf.summary.create_file_writer("./metrics")
file_writer.set_as_default()

# write_grads has been removed
tensorboard_cb = tf.keras.callbacks.TensorBoard(histogram_freq=1, write_grads=True)
gradient_cb = GradientCallback()

model.fit(x_train, y_train, epochs=5, callbacks=[gradient_cb, tensorboard_cb])

• 将偏置梯度打印到控制台（控制台参数= True）会导致：错误：“Tensor”对象没有属性“numpy”
• 写入tensorboard（控制台参数= False）创建：类型错误：不允许将tf.Tensor用作Python bool。使用if t is not None:而不是if t:来测试是否定义了Tensor，并使用tf.cond等TensorFlow操作来执行以Tensor值为条件的子图。