1、SummaryWriter，功能：提供创建event file的高级接口
class SummaryWriter(object):
def __init__(self, log_dir=None, comment='',purge_step=None, max_queue=10,flush_secs=120, filename_suffix=’’)主要属性：
• log_dir：event file输出文件夹
• comment：不指定log_dir时，
文件夹后缀
• filename_suffix：event file文件名后缀
2、. add_scalar()，功能：记录标量
add_scalar(tag, scalar_value, global_step=None,walltime=None)• tag：图像的标签名，图的唯一标识
• scalar_value：要记录的标量
• global_step：x轴
3、. add_scalars()，功能：记录标量
add_scalars(main_tag, tag_scalar_dict,global_step=None, walltime=None)• main_tag：该图的标签
• tag_scalar_dict：key是变量的tag，value是变量的值
4、 . add_histogram()，功能：统计直方图与多分位数折线图
add_histogram(tag, values, global_step=None,bins='tensorflow', walltime=None)• tag：图像的标签名，图的唯一标识
• values：要统计的参数
• global_step：y轴
• bins：取直方图的bins
5、. add_image()，功能：记录图像
add_image(tag, img_tensor, global_step=None,walltime=None, dataformats='CHW') • tag：图像的标签名，图的唯一标识
• img_tensor：图像数据，注意尺度
• global_step：x轴
• dataformats：数据形式，CHW，HWC，HW
6、torchvision.utils.make_grid，功能：制作网格图像
make_grid(tensor, nrow=8, padding=2,normalize=False, range=None, scale_each=False,pad_value=0)• tensor：图像数据, B*C*H*W形式
• nrow：行数（列数自动计算）
• padding：图像间距（像素单位）
• normalize：是否将像素值标准化
• range：标准化范围
• scale_each：是否单张图维度标准化
• pad_value：padding的像素值
7、. add_graph()，功能：可视化模型计算图
add_graph(model, input_to_model=None, verbose=False)• model：模型，必须是 nn.Module
• input_to_model：输出给模型的数据
• verbose：是否打印计算图结构信息
8、torch.summary，功能：查看模型信息，便于调试
summary(model, input_size, batch_size=-1,device="cuda")• model：pytorch模型
• input_size：模型输入size
• batch_size：batch size
• device：“cuda” or “cpu”