TensorBoard
TensorBoard ist ein Visualisierungstool für ML-Training (Loss, Metriken, Graphen).
TensorBoard ist ein Open-Source-Visualisierungswerkzeug, das ursprünglich als Teil von TensorFlow entwickelt wurde, mittlerweile aber framework-übergreifend eingesetzt wird. Es stellt Trainingsmetriken in Echtzeit als interaktive Diagramme im Browser dar.
Während des Trainings loggt man Werte wie Loss, Accuracy, Learning Rate oder eigene Metriken in ein Verzeichnis. TensorBoard liest diese Logs und stellt sie als Zeitreihen-Graphen dar. So kann man den Trainingsverlauf überwachen, verschiedene Experimente vergleichen und Probleme wie Overfitting oder divergierende Loss-Werte frühzeitig erkennen.
Neben skalaren Metriken unterstützt TensorBoard auch die Visualisierung von Modellgraphen, Histogrammen der Gewichtsverteilungen, Bildern, Text und Embeddings. Die Integration erfolgt über einfache Logging-Aufrufe im Trainingscode - bei PyTorch etwa über torch.utils.tensorboard.SummaryWriter.
Alternativen wie Weights & Biases (wandb) bieten ähnliche Funktionen mit zusätzlichen Features wie Cloud-Speicherung und Teamkollaboration. TensorBoard bleibt jedoch als kostenlose, lokal lauffähige Lösung ein Standardwerkzeug im ML-Alltag.