Tensorboard 算是深度學習早期最著名的實驗管理工具，至今依然十分熱門，它主打幾個功能：

• 視覺化的方式呈現模型訓練的Loss曲線和評估指標
• 視覺化的方式呈現模型結構圖(model graph)
• 能以直方圖檢視weight、bias或其他 tensor 等不同訓練次數的變化
• 除了能將更多參數、預測結果…等資訊視覺化，還能和各實驗進行比較。

請特別注意：Tensorboard 沒有儲存模型的功能，他是以紀錄實驗數據為主

如何在Python開發環境使用，以及程式碼需要如何撰寫：

工具安裝

pip install tensorboard

本地端啟動：

1. tensorboard --logdir=<directory_name>
   • directory_name 默認是 logs 資料夾
2. 在瀏覽器輸入 localhost:6006 可以開啟 Tensorboard UI 介面

程式碼撰寫：(以一個簡易的資料做示範)

• tf.summary.create_file_writer 建立一個儲存 log 的資料夾給Tensorboard使用
• tf.summary.scalar 將資料點寫入log檔

# Specify a directory for logging data
logdir = "./logs"

# Create a file writer to write data to our logdir
file_writer = tf.summary.create_file_writer(logdir)

for i in range(200):
    with file_writer.as_default():
        tf.summary.scalar('accuracy', random() + 0.1, step=i)

圖：tensorboard accuracy

上面範例示範了如何將數值寫入Tensorboard中，而後續在開發與模型版本紀錄也能以類似方式完成。

參考文獻
1.初探mlflow-tracking-保持ml實驗的可追溯性與可重現性-
2.Weights & Biases — ML 實驗數據追蹤

（撰稿工程師：顧祥龍）
完整內容 >> https://bit.ly/3YAby1q
Line 官方帳號，看最新技術文章：https://user137910.pse.is/aif2024ironman