TensorBoard

「训练过程看得见」是核心体验：损失曲线实时更新让收敛情况一目了然，计算图让架构设计可验证，直方图帮助发现梯度异常。超参数面板与投影嵌入让实验对比和高维理解更直观，是调试模型的高频工具。

## 总结

TensorBoard 是 TensorFlow 生态的可视化基础设施，在训练监控与模型调试方面表现稳定。它是深度学习中几乎必用的配套工具。

## 常见问题

**TensorBoard 免费吗？** 开源免费使用。

**支持 PyTorch 吗？** 可通过适配支持常见框架的日志记录。

**需要独立安装吗？** 随 TensorFlow 环境安装或单独安装均可。

## 快速上手

1. 在训练代码中记录日志；2. 启动 TensorBoard；3. 打开浏览器查看仪表盘；4. 监控关键指标；5. 定位并优化问题。

## 使用技巧

**日志规范**：统一指标命名便于对比；**分段观察**：按阶段查看曲线变化；**多实验对比**：同时加载多个运行日志。

## 进阶提示

建议把「记录日志→可视化→定位问题→调参→再训练」固化为模型训练流程，标量与直方图监控收敛，计算图验证架构，超参数面板加速寻优，让训练迭代更加高效。

**补充说明**：TensorBoard 的价值在长时间、多实验的训练中最明显，建议从项目开始就养成记录日志的习惯，而不是出现问题后才补；对团队而言，统一日志命名与指标口径能显著降低实验对比成本。

## 适用场景补充

训练监控、模型调试、实验对比、性能分析、教学演示等场景均适用。

## 一句话总结

TensorFlow 官方可视化工具，训练指标图表一目了然。