旨在演示如何使用 PyTorch 对预训练的 ResNet-18 模型在 CIFAR-10 数据集上进行微调（Fine-tuning），并利用 TensorBoard 工具对训练过程进行实时监控和可视化。
一、TensorBoard 是什么？
TensorBoard 是 TensorFlow 官方提供的可视化工具，就像给你的深度学习训练过程装了一个 "监控仪表盘"。它能帮你直观地看到：
- 损失值（loss）、准确率（accuracy）等指标的变化曲线
- 模型的网络结构
- 训练过程中参数的分布
- 图片、文本等数据的可视化
- 甚至是训练过程中的计算图
- TensorBoard 核心是 "写日志 + 看日志"：代码中用
TensorBoard回调写入日志，终端启动服务查看可视化结果； - 小白入门先聚焦 Scalars 页面，通过损失 / 准确率曲线判断模型训练效果；
- 关键代码是
tf.keras.callbacks.TensorBoard()，只需指定日志路径，加到模型训练的callbacks中即可。
如果运行中遇到端口被占用（比如提示 6006 被占用），可以指定端口启动：tensorboard --logdir=./tensorboard_logs/ --port=6007，然后访问 http://localhost:6007 即可。