TensorBoard可视化核心是tf.summary写日志+tensorboard --logdir启动服务：Keras用TensorBoard回调自动记录epoch级指标，自定义训练循环需显式调用tf.summary.scalar并带step参数，summary_writer须在@tf.function外初始化且用with块管理，日志路径须为含events.out.tfevents文件的父目录。
TensorBoard 不是 Python 的原生工具，它依赖 TensorFlow 的事件文件（event files）来读取和渲染数据；如果你用的是纯 PyTorch 或其他框架，得先加一层适配——但既然你明确说“TensorFlow 训练过程”，那核心就一条：tf.summary 写日志 + tensorboard --logdir=... 启动服务，缺一不可。
怎么让 TensorFlow 自动记录训练指标（loss/accuracy）
别手动写文件，用 tf.summary API 是最稳妥的方式。Keras 模型默认启用 TensorBoard 回调，但只记 epoch 级指标；想看 step 级 loss（比如每个 batch），就得在自定义训练循环里显式调用 tf.summary.scalar。
- 确保
summary_writer在训练前初始化：tf.summary.create_file_writer('logs/train') - 在
@tf.function外写 summary（否则会报Outside of function tracing错误） - 每次写入必须带
step=step_num参数，否则 TensorBoard 无法对齐横轴 - 注意
summary_writer.as_default()的作用域——推荐用with块包裹，避免漏关或冲突
为什么 tensorboard 打不开或显示空白页面
常见原因不是端口被占，而是日志路径没找对、事件文件没生成、或者浏览器缓存了旧数据。
- 启动命令必须指向「包含 event 文件的父目录」，不是 event 文件本身：
tensorboard --logdir=logs（不是--logdir=logs/train/events.out.tfevents.xxx） - 检查
logs/train/下是否有以events.out.tfevents开头的文件，没有说明summary_writer没真正 flush 或路径写错 - Chrome 用户遇到白屏，先试
Ctrl+Shift+R强制刷新，再检查控制台是否有Failed to load resource报错 - Windows 上路径含中文或空格会导致 event 文件写入失败，建议 log 目录用纯英文、无空格路径
如何同时可视化多个实验（比如不同学习率）
靠 --logdir 后接子目录映射，而不是多个 --logdir 参数。
立即学习“Python免费学习笔记（深入）”；
- 把不同实验的日志放在同一父目录下的不同子目录里：
logs/lr_0.001/、logs/lr_0.01/ - 启动时用
tensorboard --logdir=logs，TensorBoard 会自动识别子目录并作为 run 名称显示在左上角下拉菜单 - 如果想重命名 run，可用
--logdir_spec：tensorboard --logdir_spec="lr1:logs/lr_0.001,lr2:logs/lr_0.01" - 注意：不同 run 的 step 数必须对齐才有可比性；如果一个 run 记了 1000 步，另一个只记了 100 步，对比曲线会严重失真
最容易被忽略的是时间戳——TensorFlow 默认在 event 文件名里嵌入毫秒级时间戳，但 TensorBoard 只读取最新写入的那个 event 文件。如果你反复运行脚本却没清空 logs 目录，旧事件可能被跳过，导致图表“卡在某次训练”不动。动手前先 rm -rf logs/*（或 Windows 下手动删），比调半天配置更省时间。
