📊 机器学习实验的可视化工具，帮助你更直观地分析训练过程与模型性能

1. TensorBoard 简介

TensorBoard 是 TensorFlow 的可视化工具，支持：

  • 训练指标（如损失、准确率）的实时监控
  • 模型结构图的展示
  • 张量数据的可视化（如图像、直方图）
  • 代码执行的调试与分析

📘 点击了解 TensorBoard 基础用法 以快速上手

2. 快速入门步骤

安装 TensorBoard

pip install tensorboard

启动 TensorBoard

tensorboard --logdir=runs

在代码中使用

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter()
writer.add_scalar("Loss/train", 0.5, global_step=1)
writer.close()

3. 核心功能演示

可视化训练曲线

TensorBoard_可视化曲线
通过 `add_scalar` 或 `add_graph` 记录数据，实时查看指标变化趋势

模型结构图

TensorBoard_模型结构
使用 `add_graph` 生成模型计算图，分析参数与层的连接关系

张量数据可视化

TensorBoard_张量图像
支持图像、直方图、分布图等，通过 `add_image` 或 `add_histogram` 操作

4. 常见问题与解决方案

  • Q: 如何查看 TensorBoard 的历史数据？
    A: 在启动时指定 --port 参数，通过浏览器访问 http://localhost:6006

  • Q: 无法显示模型图？
    A: 确保已使用 torchsummary 或 torch.utils.graph 生成模型结构信息

5. 扩展学习资源

📚 深入理解 TensorBoard 高级功能
🔧 PyTorch 与 TensorBoard 集成指南

📌 图片关键词可根据需求替换，例如 "TensorBoard_可视化曲线" 可扩展为 "TensorBoard_损失函数分析" 或 "TensorBoard_准确率对比"