TensorBoard 使用教程 2

TensorBoard 使用教程 2顶部五大主标签：TIME SERIES / SCALARS / IMAGES / DISTRIBUTIONS / HISTOGRAMS1. TIME SERIES（时间序列）2. SCALARS（标量）3. IMAGES（图像）4. DISTRIBUTIONS（分布）5. HISTOGRAMS（直方图）总结对比表右侧扩展菜单（INACTIVE 状态）详解1. 什么是扩展菜单？2. 为什么显示“INACTIVE”？3. 如何激活扩展菜单？4. 常见的扩展插件顶栏右侧按钮左侧目录树筛选小标签：All / Scalars / Image / Histogram右侧设置栏GENERALSCALARSHISTOGRAMSIMAGES主界面中的图顶部其它主标签顶部五大主标签：TIME SERIES / SCALARS / IMAGES / DISTRIBUTIONS / HISTOGRAMSTensorBoard 的顶部导航栏提供了五个核心主标签，分别用于可视化不同类型的数据。理解这些标签的功能是高效使用 TensorBoard 的关键。1. TIME SERIES（时间序列）TIME SERIES标签是 TensorBoard 的默认视图，也是最常用的标签。它主要用于可视化标量（Scalars）随时间（Step/Epoch）的变化趋势。核心功能：绘制训练过程中的损失（Loss）、准确率（Accuracy）、学习率（Learning Rate）等标量指标的变化曲线。主要特点：多曲线对比：可以在同一图表中叠加显示多个运行（Runs）的同一指标，方便模型迭代对比。平滑处理：提供平滑（Smoothing）滑块，可以过滤噪声，更清晰地观察整体趋势。下载数据：支持将图表数据下载为 CSV 文件，用于进一步分析。典型用途：监控模型是否收敛、检查是否过拟合/欠拟合、比较不同超参数设置的效果。2. SCALARS（标量）SCALARS标签是TIME SERIES 的旧版界面，功能基本一致，用于展示标量数据。在较新版本的 TensorBoard 中，SCALARS 标签下的内容会直接重定向到 TIME SERIES 标签。注意：对于使用者而言，通常只需要关注TIME SERIES标签即可。SCALARS 的存在主要是为了向后兼容。3. IMAGES（图像）IMAGES标签用于可视化在训练过程中记录下来的图像数据。核心功能：展示模型输入、输出、中间特征图（Feature Maps）、注意力热图（Attention Heatmaps）等图像信息。主要特点：分步/分轮次查看：可以滑动步骤（Step）或轮次（Epoch）滑块，查看模型在不同训练阶段“看到”或“生成”的图像。网格视图：通常以网格形式展示一批（Batch）图像。典型用途：计算机视觉任务：检查数据增强效果、可视化卷积层的特征激活、观察生成对抗网络（GAN）的生成过程。调试：确认输入数据是否被正确预处理，检查模型输出是否符合预期。4. DISTRIBUTIONS（分布）DISTRIBUTIONS标签用于可视化张量（如权重、偏置、激活值）的分布随时间的变化。核心功能：以分位点图（Percentile Chart）的形式，展示张量数据在不同时间步的分布统计信息（如最大值、最小值、均值、标准差等）。图表解读：每条线代表一个分位点（例如 1%, 25%, 50%, 75%, 99%）。线的宽度变化反映了数据分布范围的变化。典型用途：监控权重分布：检查权重是否初始化得当，是否出现梯度爆炸或消失（分布变得非常窄或非常宽）。诊断激活函数：观察激活值（如 ReLU 输出）的分布，判断是否存在“神经元死亡”问题。5. HISTOGRAMS（直方图）HISTOGRAMS标签与 DISTRIBUTIONS 标签功能相似，但可视化形式不同。它用于可视化张量值的直方图随时间的变化。核心功能：以三维直方图的形式展示数据。X轴是张量值的区间（Bins），Y轴是频率（Count），Z轴（时间维度）是训练步数（Step）。主要特点：可以直观地看到每个步数下，张量值落在各个区间的数量。通过随时间变化的动画或滑动，可以观察分布的整体移动和形态变化。与 DISTRIBUTIONS 的关系：DISTRIBUTIONS更侧重于展示分布的统计摘要（分位点），适合快速把握分布范围的变化趋势。HISTOGRAMS则展示了完整的分布细节，适合深入分析分布的精确形态和双峰（Bimodal）等现象。典型用途：深入分析权重或梯度分布的细微变化，辅助进行更精细的模型调试。总结对比表标签主要数据类型核心视图核心用途TIME SERIES标量 (Scalars)二维折线图监控损失、准确率等指标趋势，进行实验对比SCALARS标量