$ loading_
通过标准化接口查询和分析 TensorBoard 实验日志中的多类机器学习指标与图像数据
复制安装指令，让 AI 自动完成配置 · 推荐新手
"MCP TensorBoard" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请通过 MCP TensorBoard 读取最近两个实验的 loss、accuracy 标量数据，按 step 对齐后比较变化趋势，并总结哪个实验收敛更快、波动更小。
返回两组实验的关键标量趋势对比，以及对收敛速度和稳定性的简要分析结论。
请查询本次训练日志中的梯度直方图和分布数据，找出是否存在梯度爆炸、梯度消失或异常层，并指出最可疑的训练阶段。
输出异常梯度分布的定位结果，包含可疑层、阶段及可能原因说明。
请读取该实验记录的图像结果，按训练阶段整理样本输出，说明模型生成或预测结果是否随着训练逐步改善，并指出明显问题。
给出按阶段整理的图像表现总结，以及模型效果变化与问题点说明。
帮助用户查询与可视化 Weights & Biases 实验项目、运行和指标数据。
在用户自有算力上驱动机制可解释性实验与特征探针分析
通过 MCP 观察并操作 Trackio 实验，便于分析与调试实验效果。
帮助用户通过 AI 查询 Tableau 数据、浏览内容并获取可视化视图。
通过 SQL、API 与沙箱 Python 协同完成多步骤研究和数据分析任务
提供查询规范化、知识检索与RAG提示构建的生产级MCP工具服务