训练脚本引入 Tensorboard 实时观察

要将训练过程实时接入 TensorBoard，核心是在训练代码里埋入 SummaryWriter。无论用 PyTorch 还是 TensorFlow，流程完全一样。

下面必须用 PyTorch，以下是零基础到跑通的完整做法：

第一步：导入并初始化

如果 which tensorboard 没有输出，则安装：

bash 复制代码

pip install tensorboard

在训练脚本开头：

python 复制代码

from torch.utils.tensorboard import SummaryWriter

# 日志会保存在当前目录的 runs/ 文件夹下
writer = SummaryWriter()

第二步：在训练循环里埋点（最常用的三个位置）

python 复制代码

for epoch in range(num_epochs):
    train_loss = 0.0
    correct = 0
    total = 0

    for i, (data, label) in enumerate(train_loader):
        data, label = data.to(device), label.to(device)
        
        optimizer.zero_grad()
        output = model(data)
        loss = criterion(output, label)
        loss.backward()
        optimizer.step()

        # ─── 累计指标（之前缺失的部分）───
        train_loss += loss.item() * data.size(0)   # 累计总损失（乘以 batch 样本数）
        _, predicted = output.max(1)               # 获取预测类别
        total += label.size(0)                     # 累计总样本数
        correct += predicted.eq(label).sum().item() # 累计正确预测数

        # ─── 此处埋点：每 N 个 batch 记录一次 ───
        global_step = epoch * len(train_loader) + i
        
        if i % 20 == 0:                     # 每 20 个 batch 记录一次
            writer.add_scalar('Loss/train', loss.item(), global_step)
            writer.add_scalar('LR', optimizer.param_groups[0]['lr'], global_step)
    
    # ─── 此处埋点：每个 epoch 结束记录一次 ───
    avg_loss = train_loss / total
    accuracy = 100.0 * correct / total
    
    writer.add_scalar('Loss/epoch_train', avg_loss, epoch)
    writer.add_scalar('Accuracy/epoch_train', accuracy, epoch)
    
    # ─── 验证阶段同样记录 ───
    val_loss, val_acc = validate(model, val_loader, criterion)
    writer.add_scalar('Loss/epoch_val', val_loss, epoch)
    writer.add_scalar('Accuracy/epoch_val', val_acc, epoch)
    
    # 记录模型结构图（仅在第一个 epoch 执行）
    if epoch == 0:
        writer.add_graph(model, data)

writer.close()

第三步：启动 TensorBoard 看板

另开一个终端，在训练脚本同级目录下执行：

bash 复制代码

tensorboard --logdir=runs --port=6006

然后在浏览器打开 http://localhost:6006，就能看到实时刷新的损失曲线和准确率。

常用埋点速查表

需要看的	代码	说明
损失/准确率曲线	`writer.add_scalar('标签名', 数值, step)`	最常用，标量折线图
模型结构图	`writer.add_graph(model, input_tensor)`	检查网络结构是否正确
权重/梯度分布	`writer.add_histogram('weights', param, epoch)`	观察是否梯度消失/爆炸
图片/数据样本	`writer.add_images('images', data[:8])`	可视化数据增强效果
超参数对比	多个 `logdir` 启动 TensorBoard	不同 lr、batch_size 的曲线放一起对比

一个小优化：远程服务器查看

如果训练在远程服务器上，本地浏览器看不了，在服务器上启动时加绑定：

bash 复制代码

tensorboard --logdir=runs --host=0.0.0.0 --port=6006

然后在本地浏览器访问 http://服务器IP:6006。

最简上手版

如果只想看 loss 曲线，在训练循环里加这两行就足够了：

python 复制代码

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter()

# 训练循环里
writer.add_scalar('Loss', loss.item(), global_step)

然后 tensorboard --logdir=runs 启动，立刻就能看到。