此前，跨象乘云™ 曾经介绍过多款包括：神经网络，LSTM 网络，以及 CapsNet 胶囊网络的数据可视化工具。由于深度神经网络的设计和训练非常之难，通常涉及大量的调整、修改网络结构和尝试各种优化算法和超参数。从理论角度看，深度神经网络架构的数学基础仍然不够完善，相关技术通常是以经验性的成果作为基础。
所幸的是，数据可视化与生俱来的视觉特性可以弥补上述的部分缺陷，并描绘出更高层次的图像，在深度神经网络训练过程中助研究人员一臂之力。例如，在模型训练过程中，如果可以实时地绘制出梯度数据分布，就可以快速检测并纠正消失梯度或爆炸梯度现象。
另外，对词嵌入（word embedding）向量进行可视化可以清楚地看到单词在低维空间汇聚成不同的流形，从而保持语境接近度。另一个例子是数据聚类：使用 T-SNE 算法将高维数据映射到较低维空间。在深度学习过程中可以大量使用数据可视化，以便更好地理解训练过程和数据本身。
TensorBoard 的出现为 TensorFlow 用户带来了强大的可视化功能。我们已经收到许多不同用户的反馈，包括企业用户，因为 TensorBoard 提供了丰富的功能集，所以有很多人在使用 TensorFlow。这个强大的工具可以用在其他深度学习框架上吗？感谢 TeamHG-Memex 的努力以及他们的 tensorboard_logger，我们现在可以使用一个透明的接口将自定义数据写入事件文件，然后由 TensorBoard 来读取这些文件。
它基于我们开发的 MXboard，一个用于记录 MXNet 数据帧并在 TensorBoard 中展示它们的 Python 包。可以按照这些简单的说明，来安装 MXBoard。
注意：如果要使用 MXBoard 所有的功能，需要安装 MXNet 1.2.0。在 MXNet 1.2.0 正式发布之前，请安装 MXNet 的 nightly 版本：
项目 GitHub 地址