最常见原因是没正确写入summarywriter日志或--logdir路径与实际写入路径不一致；tensorboard只读取指定目录下events.out.tfevents.*文件，不扫描子目录，需确保路径精确匹配、事件文件存在且global_step递增。
为什么tensorboard启动后看不到训练数据？
最常见原因是没正确写入SummaryWriter日志，或者启动tensorboard时指定的--logdir路径和实际写入路径不一致。TensorBoard不会主动扫描子目录，必须精确指向包含events.out.tfevents.*文件的目录（不是其父目录）。
- 确认
SummaryWriter初始化时传入的路径存在且可写，例如：SummaryWriter("logs/train")→ 启动命令必须是tensorboard --logdir=logs/train - 检查训练代码是否真的调用了
writer.add_scalar("loss", loss.item(), step)，且step是递增整数 - Windows下路径含空格或中文容易出问题，建议全英文、无空格路径
- PyTorch 2.0+ 默认启用
torch.compile可能干扰日志写入，临时关闭验证是否相关
PyTorch中add_scalar和add_scalars怎么选？
add_scalar用于单指标（如训练损失），add_scalars适合对比多个同类型指标（如train_loss vs val_loss），但二者底层都生成独立event文件，性能无差异。
- 训练循环里用
writer.add_scalar("Loss/Train", loss, global_step)，注意命名加斜杠能自动分组 - 验证阶段用
writer.add_scalars("Loss", {"train": train_loss, "val": val_loss}, global_step)，避免重复写global_step - 不要在每次迭代都写入所有指标——每秒写入超10次会拖慢训练，建议每10–100步写一次
-
global_step必须严格递增，跳变或重复会导致图表错乱
TensorBoard页面空白或报404怎么办？
不是端口冲突就是服务没真正启动成功。默认端口6006被占用时，tensorboard会静默换到6007，但浏览器仍访问6006就打不开。
- 启动时加
--bind_all（远程服务器必需），否则只监听localhost - 查端口占用：
lsof -i :6006（macOS/Linux）或netstat -ano | findstr :6006（Windows） - 明确指定端口：
tensorboard --logdir=logs --port=6006，然后访问http://localhost:6006 - Chrome禁用广告拦截插件，某些插件会屏蔽
__tb_plugin__/scalars/scalars这类路径导致空白
训练中断后如何续上旧日志？
TensorBoard本身不支持“追加写入”，但SummaryWriter可以复用已有目录——只要路径相同，新事件会自动接在旧event文件末尾。
- 重启训练时，仍用原
SummaryWriter("logs/train")，别新建目录 - 确保
global_step从上次结束处继续计数（比如读取checkpoint里的step值），否则图表会出现断层或覆盖 - 如果旧event文件损坏（常见于强制kill训练进程），删除该文件即可，
SummaryWriter会新建一个 - 多个实验混在一个logdir下会导致指标混乱，建议按时间戳或参数哈希建子目录：
logs/train_20240520_1423
add_image等操作可能失败但不报错，要留意日志里是否有Failed to write image提示。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！
