# R 中的 TensorBoard 您可以按照 Jupyter R 笔记本中的代码`ch-17d_TensorBoard_in_R`。 您可以使用 `tensorboard()` 函数查看 TensorBoard，如下所示： ```r tensorboard('logs') ``` 这里，`'logs'`是应该创建 TensorBoard 日志的文件夹。 数据将显示为执行周期并记录数据。在 R 中，收集 TensorBoard 的数据取决于所使用的包： * 如果您使用的是`tensorflow`软件包，请将`tf$summary$scalar`操作附加到图中 * 如果您使用的是`tfestimators`软件包，则 TensorBoard 数据会自动写入创建估计器时指定的`model_dir`参数 * 如果您正在使用`keras`软件包，则必须在使用`fit()`函数训练模型时包含`callback_tensorboard()`函数 我们修改了之前提供的 Keras 示例中的训练，如下所示： ```r # Training the model -------- tensorboard("logs") history <- model %>% fit( x_train, y_train, batch_size = batch_size, epochs = epochs, verbose = 1, validation_split = 0.2, callbacks = callback_tensorboard("logs") ) ``` 当我们执行笔记本时，我们获得了训练单元的以下输出： ```r Started TensorBoard at http://127.0.0.1:4233 ``` 当我们点击链接时，我们会看到在 TensorBoard 中绘制的标量： TensorBoad Visualization of Plots 单击 Graphs 选项卡，我们在 TensorBoard 中看到计算图：  TensorBoard 计算图的可视化有关 R 中 TensorBoard 的更多文档，请访问以下链接：[https://tensorflow.rstudio.com/tools/tensorboard.html](https://tensorflow.rstudio.com/tools/tensorboard.html).