tensorboard 页面空白或无曲线的主因是日志路径错误、step未递增、多实验未隔离子目录；需用绝对路径指向含events文件的目录，确保add_scalar中global_step严格递增，并为每次训练创建独立时间戳子目录。
TensorBoard 启动后页面空白或 404
常见原因是 tensorboard 没有正确指向日志目录，或者路径里有中文、空格、符号导致解析失败。启动命令必须用绝对路径，且确保目录下存在 events.out.tfevents.* 文件。
- 用
python -m tensorboard.main --logdir=/absolute/path/to/logs，别用相对路径如./logs - 检查日志目录：运行
ls -l logs/（Linux/macOS）或dir logs（Windows），确认有events.out.tfevents.*文件，没有说明训练时没写入 - Windows 用户注意：路径分隔符统一用正斜杠
/或双反斜杠\，单反斜杠在 shell 中可能被转义 - 如果端口被占，默认 6006，可加
--port=6007换端口；浏览器访问时务必带http://前缀，否则可能触发搜索引擎跳转
PyTorch 训练中没看到 scalars 曲线
根本原因是没调用 add_scalar()，或调用频率太高导致前端卡顿，或 step 值没递增造成覆盖。TensorBoard 不自动采集 loss/acc，一切靠手动记录。
- 在训练循环里每轮/每 batch 调一次
writer.add_scalar('Loss/train', loss.item(), global_step)，global_step必须严格递增（建议用计数器，别用 epoch × batch_size 算） - 避免高频写入：batch size 小、数据快时，每 10 个 batch 记一次比每个都记更稳，否则日志文件暴涨且页面响应慢
- 确保
writer.close()在训练结束时调用，否则最后几条记录可能滞留在缓冲区不落盘 - PyTorch Lightning 用户注意：
self.logger.experiment才是SummaryWriter实例，不是self.logger.log_metrics()
Keras 模型 fit() 时如何接入 TensorBoard 回调
TensorBoard 是 Keras 官方回调，但默认只记录 loss/metrics，不记录梯度、图结构或自定义指标，需显式配置参数才能生效。
- 基础用法：
tf.keras.callbacks.TensorBoard(log_dir='./logs', histogram_freq=1, write_graph=True) -
histogram_freq=1表示每 epoch 记一次权重直方图，设为 0 则完全不记录——很多用户以为开了回调就自动出图，其实 histogram 默认关着 -
profile_batch参数控制是否采样性能分析，设为2表示从第 2 个 batch 开始采样 2 个 batch，不设则无 profile 数据 - 若用
model.compile(..., run_eagerly=True)，TensorBoard 的图模式功能（write_graph）会失效，页面里看不到计算图
多个实验日志混在一起或标签重名
TensorBoard 会把同级子目录下的所有 events 文件合并展示，如果不同实验共用一个 logs/ 目录，scalars 页面就会出现多条同名曲线互相覆盖，无法区分来源。
- 每次训练前新建带时间戳的子目录：
logs/exp_$(date +%Y%m%d_%H%M%S)，或用 Python 动态生成：os.path.join('logs', f'exp_{int(time.time())}') - 给 scalar 加命名空间避免冲突：
writer.add_scalar('Train/Loss', loss, step)和writer.add_scalar('Val/Loss', val_loss, step)会自动分组显示 - TensorBoard 页面左上角的「Runs」面板可勾选/取消勾选特定实验，但前提是它们位于不同子目录——同一目录下的不同 events 文件无法单独开关
- 误删日志？
tensorboard不提供清理接口，得手动rm -rf logs/*或用脚本按时间筛选
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
