TensorBoard 是 TensorFlow 的可视化工具，帮助开发者监控训练过程、调试模型和分析结果。以下是核心用法说明：

1. 基础功能 📈

  • 标量可视化：记录损失函数/准确率等指标
    writer.add_scalar('Loss/train', loss, global_step)
  • 图像显示：可视化训练过程中的图像数据
    writer.add_image('Image/Example', image_tensor, global_step)
  • 直方图分析：观察权重分布变化
    writer.add_histogram('Weights/dense', weights, global_step)

2. 启动 TensorBoard 🚀

tensorboard --logdir=./logs

访问 http://localhost:6006 查看实时仪表盘，点击此处了解快速启动教程

3. 高级用法 🔍

  • 自定义标签：通过 add_scalar 添加任意维度数据
  • 多GPU监控：使用 tf.distribute.MirroredStrategy 分布式训练
  • 模型切片：在 Graph 选项卡中查看计算图结构

TensorBoard_Usage

4. 常见问题排查 🛠️

  • 日志未显示：检查 logdir 路径权限
  • 数据不更新：确认 global_step 正确递增
  • 图表异常：尝试清除缓存后重新运行

需要查看完整 API 文档可访问TensorBoard 官方文档获取更多细节。