告别 TensorBoard 依赖！用纯 Python 脚本提取训练指标并绘制学习曲线（兼容 NumPy 2.x）

告别 TensorBoard 依赖！用纯 Python 脚本提取训练指标并绘制学习曲线（兼容 NumPy 2.x）在深度学习模型训练时，TensorBoard 绝对是我们离不开的可视化神器。但有时候，我们可能会遇到这些场景：服务器没有图形界面：在远程 Linux 服务器上跑训练，想直接导出图片发回本地看。需要自动化分析：想把训练日志里的 Loss、准确率等数据提取出来，存成 CSV 或者转成 Pandas DataFrame 做进一步的数据处理。环境依赖冲突：不想为了读个日志文件去安装庞大的 TensorBoard 库，或者遇到了 NumPy 2.x 版本不兼容的报错。今天，就给大家分享一段纯 Python 脚本！它完全不依赖 TensorBoard 的EventAccumulator模块，而是直接通过解析底层的tfevents二进制文件来提取数据，并且完美兼容最新的 NumPy 2.x 版本。核心代码实现这段代码主要做了三件事：自动扫描指定目录下的所有tfevents日志文件。绕过 TensorBoard 官方 API，直接利用struct和event_pb2解析底层二进制流，提取出step、tag和具体的数值。使用 Matplotlib 绘制带有 EMA（指数移动平均）平滑处理的学习曲线。""" 从 TensorBoard 事件文件提取训练指标并绘制学习曲线。 兼容 NumPy 2.x（不依赖 tensorboard 的 EventAccumulator）。 """importosimportstructimportglobimportnumpyasnpimportmatplotlib matplotlib.use("Agg")# 无头后端，适合服务器/后台importmatplotlib.pyplotaspltfromtensorboard.compat.protoimportevent_pb2defread_tfevents(path:str):"""逐条解析 tfevents 文件，yield (wall_time, step, tag, scalar_value)."""withopen(path,"rb")asf:whileTrue:len_bytes=f.read(8)iflen(len_bytes)8:break(length,)=struct.unpack("Q",len_bytes)f.read(4)# length crc，跳过校验data=f.read(length)f.read(4)# data crc，跳过校验iflen(data)length:breakevent=event_pb2.Event()event.ParseFromString(data)forvalueinevent.summary.value:ifvalue.HasField("simple_value"):yieldevent.wall_time,event.step,value.tag,value.simple_value