在TensorBoard中查看梯度參數可以幫助我們了解模型的訓練過程中參數的變化情況，從而更好地優化模型。以下是在TensorBoard中查看梯度參數的步驟：

1. 在訓練模型時，確保在訓練過程中記錄了梯度參數。通常，通過在優化器中設置tf.summary.scalar來記錄梯度參數。

# 在優化器中設置記錄梯度參數
optimizer = tf.keras.optimizers.Adam()
grad_summary_writer = tf.summary.create_file_writer(log_dir)

@tf.function
def train_step(inputs, targets):
    with tf.GradientTape() as tape:
        predictions = model(inputs)
        loss = loss_function(targets, predictions)

    gradients = tape.gradient(loss, model.trainable_variables)
    optimizer.apply_gradients(zip(gradients, model.trainable_variables))

    # 記錄梯度參數
    with grad_summary_writer.as_default():
        for i, grad in enumerate(gradients):
            tf.summary.scalar('gradient_' + model.trainable_variables[i].name, tf.norm(grad), step=optimizer.iterations)

2. 啟動TensorBoard并指定日志文件夾，如tensorboard --logdir=path/to/log_dir。

3. 在瀏覽器中打開TensorBoard的網址，并選擇graphs選項卡。

4. 在graphs選項卡中，可以看到記錄的梯度參數在計算圖中的展示。可以進一步查看每個參數的梯度值隨訓練步數的變化情況。

通過以上步驟，我們就可以在TensorBoard中可視化梯度參數，并了解模型訓練過程中參數的變化情況，從而更好地進行模型優化。