在深度学习项目中，TensorBoard 是一个强大的可视化工具，能帮助我们监控模型训练过程。但如何让它与 GPU 或 CPU 配合工作呢？👀

首先，确保安装了 TensorFlow 和 Keras。运行代码前，可通过以下方式绑定指定 GPU：

```python

import tensorflow as tf

gpus = tf.config.experimental.list_physical_devices('GPU')

if gpus:

try:

tf.config.experimental.set_visible_devices(gpus[0], 'GPU') 使用第一块GPU

tf.config.experimental.set_virtual_device_configuration(

gpus[0], [tf.config.experimental.VirtualDeviceConfiguration(memory_limit=4096)]) 限制显存为4GB

except RuntimeError as e:

print(e)

```

如果想强制切换到 CPU，也很简单：

```python

import os

os.environ["CUDA_VISIBLE_DEVICES"] = "-1" 强制禁用GPU

```

最后，启动 TensorBoard：

```bash

tensorboard --logdir=./logs

```

打开浏览器访问 `http://localhost:6006`，即可实时查看模型表现啦！🎉

无论是调试还是展示成果，这些小技巧都能让你事半功倍！💪