1、环境及相关配置
（1）服务器资源：微软开源人工智能集群管理平台（Open Platform AI, OpenPAI）分配的 docker 资源
（2）Docker 容器：Ubuntu 16.04.4 LTS（如：IP地址=192.168.1.1，指定端口=10001，登录方式=指定的 .pem 私钥文件）
（3）Python：Python 3.7.3（Anaconda3）
（4）Tensorflow & Tensorboard：1.14.0
（5）PC本机：macOS Mojave 10.14.5
（6）终端：terminal（其他终端命令工具应该也可以，没有具体测试，所以此处不列出）
2、具体操作
（1）私钥生成
从 OpenPAI 申请 GPU 服务器资源后，从相应的 ssh 登录下载私钥生成 .sh脚本文件，在终端 terminal 中运行，会在 .sh 相同的目录下得到一个 .pem 文件
sh 私钥生成的脚本指令.sh
（2）添加私钥文件
在终端 terminal 中运行如下命令（如果系统中无 ssh，需先安装 ssh）
ssh-add -k /username/Downloads/指定的私钥文件.pem
（注意：如果服务器资源是通过用户名和密码登录方式，可以略过以上两步）
（3）端口映射
将服务器开放的端口映射为 PC 本地端口（本实例：10001 -> 6006）
ssh -L 6006:127.0.0.1:6006 root@192.168.1.1 -p 10001
# ssh -L 本机端口:本机地址：本机端口 服务器用户名@服务器地址 -p 服务器开放端口
（注意：本机 IP 一般为 127.0.0.1，tensorboard 本机端口一般为 6006）
（4）运行 Tensorboard
在终端 terminal 上运行 tensorboard
tensorboard --logdir='/username/tensorboard日志所在的目录（注意是目录，不是日志文件）/'
（5）查看 Tensorboard 信息
在 PC 本地端的浏览器中输入“ http://127.0.0.1:6006/ ”，即可查看
（注意：这里不是终端运行 tensorboard 后提示的地址：“ http://32个字母地址:6006 ” ）