文章来源 | 恒源云社区（专注人工智能/深度学习云 GPU 服务器训练平台，官方体验网址：https://gpushare.com/docs/best_practices/tensorboard/
原文地址 | https://gpushare.com/docs/best_practices/tensorboard/
🔥 🔥 U1S1，1年1度GPU云种草大会来袭，十大活动礼包等你来拿哦～
TensorBoard
TensorBoard 是用于提供机器学习工作流程期间所需的测量和可视化的工具。 它使您能够跟踪实验指标，例如损失和准确性，可视化模型图，将嵌入物投影到较低维度的空间等等。
创建一个镜像为 TensorFlow 2 的实例，当创建实例并启动后，可以在实例列表中点击链接打开 JupyterLab。
运行 开始使用 TensorBoard 中的笔记本代码。
首先下载 get_started.ipynb 记事本文件。通过 JupyterLab 上传到服务器中。
双击文件打开记事本，在右方工作区可以看到记事本中的代码内容。
实例已经提供了启动好的 TensorBoard，所以代码中有 2 处启动 tensorboard 的命令需要加 # 注释掉。
代码中有一段文本被标识为代码的错误需要修正，点击下图中位置代码块前方的区域选中，在上方将代码修改为 Markdown。
在菜单中选择 运行 - 运行所有单元格，即运行全部代码。
等待全部单元格运行完成，右键生成的 logs 文件夹选择剪切。
实例内 TensorBoard 读取的文件夹是 /tb_logs 文件夹，右键粘贴到此目录。
在实例列表中点击链接打开 TensorBoard。
警告⚠️
部分新版本的 TensorBoard 在 Safari 浏览器下可能显示白屏，需要使用 Chrome 打开。
打开后可以看到刚才运行代码后得出的结果。
在实际操作过程中，可以让程序直接输出结果到 /tb_logs 文件夹中。也可以在 /tb_logs 文件夹下建立一个软连接指向实际训练的结果目录。
