<p>TensorBoard 日志未生成的主因是路径错误、写入时机不当或未绑定 FileWriter；需用绝对路径初始化 writer，确保在 with writer.as_default() 内调用 tf.summary.* 并传入 step 参数。</p>
TensorBoard 日志目录没生成？检查 tf.summary.create_file_writer 路径和写入时机
TensorBoard 本身不主动收集数据，它只读取你写进指定目录的事件文件（events.out.tfevents.*）。常见错误是：代码里调用了 tf.summary.scalar 却没配好 FileWriter，或者路径写错、权限不足、路径未创建。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用绝对路径初始化
tf.summary.create_file_writer，避免相对路径在不同工作目录下失效，例如：log_dir = "/tmp/my_logs/run_1" - 确保训练循环中每个需要记录的 step 都在
with writer.as_default():上下文内调用tf.summary.*函数 - 手动验证日志目录是否真有文件：
ls -l /tmp/my_logs/run_1/，应看到events.out.tfevents.*文件；若为空，说明summary没真正写入 - 注意：TensorFlow 2.x 默认启用 eager mode，
tf.summary必须显式绑定到FileWriter，不能靠旧版的tf.summary.merge_all()+sess.run()
Python 记录训练指标时，tf.summary.scalar 和 tf.summary.histogram 怎么选
选哪个取决于你想看什么。scalar 适合标量趋势（loss、accuracy），histogram 适合分布变化（权重、梯度、激活值）——但后者开销大、加载慢，别乱用。
实操建议：
立即学习“Python免费学习笔记（深入）”；
-
tf.summary.scalar("loss", loss, step=step)是最常用场景，step必须传，否则 TensorBoard 会把所有值堆在 step 0 - 想看某层权重分布？用
tf.summary.histogram("dense/kernel", model.layers[1].kernel, step=step)，但建议每 100–1000 步记一次，避免日志爆炸 - 不要对中间张量直接 summary：比如
tf.summary.histogram("x", x)在模型函数里，可能因图模式或形状动态导致报错；优先 summary 已命名的变量或 layer 属性 - 如果发现 TensorBoard 图表卡顿或加载失败，先关掉 histogram，只留 scalar 看是否恢复
启动 tensorboard --logdir=... 后打不开网页？查端口、防火墙和路径格式
典型现象是终端显示 Starting TensorBoard... 但浏览器访问 http://localhost:6006 白屏、超时或 404。根本原因往往不是 TensorBoard 本身，而是路径或网络配置。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 确认
--logdir后跟的是**父目录**，不是具体 events 文件路径。例如：--logdir=/tmp/my_logs（里面含 run_1/、run_2/ 子目录），不是--logdir=/tmp/my_logs/run_1/events.out.tfevents.123 - Windows 用户注意反斜杠问题：用正斜杠或双反斜杠，
--logdir=C:/tmp/my_logs或--logdir=C:\tmp\my_logs，单反斜杠会被 Python 当转义符吃掉 - 端口被占？加
--bind_all（远程可访问）或换端口：--port=6007，然后访问http://localhost:6007 - Mac/Linux 上用
lsof -i :6006查谁占了端口；Docker 或 WSL 用户需确认端口是否映射出来
训练中改了模型结构，旧日志还能和新日志放一起对比吗
可以，但必须分不同子目录，且注意 tag 对齐。TensorBoard 的「Compare」功能依赖同一 tag 名下的多组数据，如果新旧模型 summary 的 tag 名不一致（比如旧版用 "accuracy"，新版用 "val_accuracy"），就无法自动对齐曲线。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 每次实验新建独立子目录：
/logs/resnet_v1/、/logs/resnet_v2/，再统一用--logdir=/logs加载 - 统一命名规范：所有 accuracy 都用
"metrics/accuracy"，所有 loss 都用"loss/train"和"loss/val"，避免拼写差异 - 如果旧日志里没有某个 tag（比如新加了梯度监控），新日志里那个 tag 就不会出现在旧 run 的对比面板中——这是正常行为，不是 bug
- 跨版本兼容性注意：TF 1.x 写的日志，TF 2.10+ 的 TensorBoard 通常能读；但 TF 2.15+ 新增的 plugin（如 hparams）在老 TensorBoard 里会直接忽略，不报错也不显示
