Во время прохождения каждой из складок создается events.out.tfevents. В вашем случае, поскольку существует 10 складок, создается 10 events.out.tfevents, и это отображается как непрерывное значение. Чтобы лучше визуализировать это, вы можете сохранять каждую складку в новом каталоге, чтобы точность этой конкретной складки сохранялась в новой папке.
Например, в моем случае у меня было 5 складок, которые были построено как:
5 складок как одно
Итак, я отслеживал счетчик во время каждого из складок, используя переменную foldcount. В тренировке l oop я сохранил events.out.tfevents в другой папке для каждого из разделов, то есть run_split1, run_split2 ... как показано ниже
writer.add_scalars('runs_split{}'.format(foldcount), {'Loss/train': training_loss,
'Loss/validation': validation_loss}, epoch+1)
Это привело к другому графику для каждая из складок, как показано ниже:
Один график для каждого разделения