如何使用 TensorBoard

TensorBoard是什么

TensorBoard 是 TensorFlow 生态提供的训练可视化工具，用于把深度学习训练过程中的指标、计算图、权重分布等数据展示成网页仪表盘。和云端实验平台不同，TensorBoard 通常在本地运行、完全离线、免费开源，是入门深度学习时最常用的"训练观察窗"。

训练神经网络时，你真正关心的是：损失到底降没降、准确率曲线是否平滑、某层权重有没有变成极端值、显存占用是否合理。TensorBoard 把这些数据从"控制台打印的数字流"变成"可缩放、可对比的图表"，让训练过程从"盲跑"变成"可观察"。它虽然名字带 TensorFlow，但通过通用的事件文件格式，PyTorch、PaddlePaddle 等框架也能接入（用各自的 SummaryWriter 或 torch.utils.tensorboard 写入数据）。

TensorBoard适合谁

• 深度学习初学者：第一次训练模型时用它看损失曲线，建立"训练在正常进行"的直观判断。
• 研究员与工程师：对比不同实验的收敛曲线、检查模型内部数值分布，定位训练不稳定问题。
• 离线/本地开发环境：数据不出本机，适合有数据隐私要求的场景。
• 教学演示：向学员展示过拟合、梯度消失等概念时，用真实曲线比文字讲解直观得多。

如果你需要的是跨实验自动对比、超参搜索、团队共享，TensorBoard 比较基础，这类需求更适合配合实验管理平台使用。

安装与启动

1. 安装：在 Python 环境执行 pip 安装 tensorboard（TensorFlow 用户通常已自带）。
2. 写入数据：在训练脚本里用框架的 SummaryWriter 记录指标、直方图等数据，指定一个日志目录（logdir），如 ./runs/experiment_1。
3. 启动服务：在终端执行 tensorboard --logdir runs，默认监听 6006 端口。
4. 打开看板：浏览器访问 http://localhost:6006，即可看到所有实验的曲线。

核心视图与用法

标量曲线（Scalars）：最常用的视图，展示 loss、accuracy、learning rate 等标量指标随 step 的变化。用法要点：把不同实验放在不同子目录下（如 runs/exp1、runs/exp2），TensorBoard 会把它们画在同一张图上对比；曲线震荡剧烈时，可以调整平滑参数看趋势。

计算图（Graphs）：展示模型结构的计算图，节点是算子、连线是数据流。用法：检查模型结构是否符合预期、定位梯度传播路径；新框架版本对动态图的支持有限，复杂模型上可参考但不必依赖。

直方图（Histograms）与分布（Distributions）：展示权重、偏置、梯度等张量在训练过程中的数值分布变化。用法：检查是否有层输出出现极端值（数值爆炸）或长期不变（梯度消失），比只看 loss 更能定位训练失败的原因。

嵌入投影（Projector）：把高维向量（如词向量、模型输出）用 PCA/t-SNE 降维成三维散点，交互观察聚类结构。适合做嵌入可视化与分析。

文本/图像/音频等附加视图：SummaryWriter 支持记录文本、图片（如生成结果样本）、音频等，多模态训练时很有用。

进阶：多实验对比与远程访问

• 多实验同图对比：把多个 logdir 合并启动（tensorboard --logdir exp1:./runs/exp1,exp2:./runs/exp2），不同实验标不同颜色，直接对比收敛速度与最终水平。
• 远程查看：把日志目录放到共享位置，或通过 SSH 端口转发把 6006 端口映射到本地，即可在本地浏览器看服务器上的训练曲线。
• 与 Notebook 配合：Jupyter 里执行 %tensorboard --logdir runs 可以直接内嵌看板。
• 自动重启：训练中断重跑时，SummaryWriter 追加写入，曲线会连续展示（同一 run 名继续追加）。

常见使用问题

• 看板是空的：logdir 路径写错，或还没有任何事件文件。确认训练脚本已经调用 writer.add_scalar 等并 flush。
• 曲线不更新：浏览器需要刷新，或 TensorBoard 尚未检测到新文件（多数版本会自动刷新，延迟通常很短）。
• 显存与日志过大：每 step 都记录会产生大量事件文件，按合理频率（如每个 epoch）记录即可。
• 只想记录指标不想装 TensorFlow：PyTorch 用户用 torch.utils.tensorboard 写入，数据格式兼容，不需要安装完整 TensorFlow。

使用中的注意事项

• 本地工具：数据保存在本地磁盘，日志目录会占用空间，训练完可归档或清理。
• 版本差异：不同 TensorBoard 版本界面与功能略有差异，以你安装版本的官方文档为准。
• 它只展示数据：TensorBoard 不做实验管理和自动对比分析，复杂工作流请搭配其他工具。

小结

TensorBoard 是理解深度学习训练过程的入门必装工具：本地免费、接入简单、视图直观。装上它，从第一次训练开始就养成"看曲线、查分布、比实验"的习惯，能少走很多弯路。