TensorBoard
Google开源的机器学习可视化工具，支持训练过程监控、模型计算图展示、指标追踪等功能，最初为TensorFlow开发，后扩展支持PyTorch等框架
时间轴 (近 90 天)
TensorBoard 是 TensorFlow 生态中广泛使用的可视化工具，通过日志文件记录标量、直方图、计算图和嵌入向量，并以 Web 面板呈现。
Neurolume 与 TensorBoard 并非完全替代关系：TensorBoard 在分布式训练、超参数对比和大规模实验管理上更成熟，而 Neurolume 目前更适合作者在本地单机调试时快速建立对模型结构的直觉。
TensorBoard的图可视化功能依赖torch.utils.tensorboard记录计算图，需要额外的记录代码和独立的浏览器界面
torchinfo、Netron、TensorBoard这些工具的共同局限在于存在于PyTorch代码编写流程的外部，需要开发者主动切换工作场景
PyTorch的Profiler（torch.profiler）提供算子级别的CPU/GPU时间线记录，可配合TensorBoard或Chrome Trace使用
生成的TinyGPT项目核心代码不到400行，依赖项仅有PyTorch、SentencePiece、NumPy、TensorBoard和TQDM共5个
全部知识事实 (6)
TensorBoard 是 TensorFlow 生态中广泛使用的可视化工具，通过日志文件记录标量、直方图、计算图和嵌入向量，并以 Web 面板呈现。
50%待验证Neurolume 与 TensorBoard 并非完全替代关系：TensorBoard 在分布式训练、超参数对比和大规模实验管理上更成熟，而 Neurolume 目前更适合作者在本地单机调试时快速建立对模型结构的直觉。
50%待验证TensorBoard的图可视化功能依赖torch.utils.tensorboard记录计算图，需要额外的记录代码和独立的浏览器界面
50%待验证torchinfo、Netron、TensorBoard这些工具的共同局限在于存在于PyTorch代码编写流程的外部，需要开发者主动切换工作场景
50%待验证PyTorch的Profiler（torch.profiler）提供算子级别的CPU/GPU时间线记录，可配合TensorBoard或Chrome Trace使用
50%待验证生成的TinyGPT项目核心代码不到400行，依赖项仅有PyTorch、SentencePiece、NumPy、TensorBoard和TQDM共5个
50%