一、配置环境

在控制台中使用pip install语句安装Tensorboard（同时需要安装tensorflow）


pip install tensorflow
pip install tensorboard

添加引用并为其设置路径

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter(log_dir = '日志路径')

二、关于SummaryWiter

SummaryWriter是Tensorboard的核心，在声明后Tensorboard即会展开服务，随后便可以在浏览器中可视化访问数据；在使用完毕后也需要使用close语句来关闭服务。类似于flask的app.run

writer.close()

三、添加数据

一般来说，常用的函数有：add_scalar(添加标量)，add_scalars，add_image(添加图片)，其用法如下：

1.add_scalar

用于添加标量，如损失函数，可以用来绘制图线。

for i in range(100):
    writer.add_scalar(tag="accuracy", # 标签，即数据属于哪一类，不同的标签对应不同的图
                      scalar_value=i * random.uniform(0.8, 1),  # 纵坐标的值
                      global_step=i  # 迭代次数，即图的横坐标
                      )
    #延迟代码，与数据无关
    time.sleep(2 * random.uniform(0.5, 1.5))

Tips.Tag可以使用 / 进行分割(如：record/avg_loss；record/total_loss)，会将多个图像放在同一Tag下

2.add_scalars

在同一张图中添加多条图线

for epoch in range(100):
    writer.add_scalars('scalar/scalars_test', {'xsinx': epoch * np.sin(epoch), 'xcosx': epoch * np.cos(epoch)}, epoch)

3.add_graph

将模型导入，实现模型可视化

model = Net1()    #实例化模型
with SummaryWriter(comment='Net1') as w:
    w.add_graph(model, (dummy_input,))

第二个参数为输入向量，也可采用如下方法进行初始化

init_img = torch.zeros((1, 3, 224, 224), device=device)

4.add_image

添加图片文件，需要指定通道格式(dataformats)

单张写入

writer.add_image(tag = "test", img_array,1, dataformats='HWC')

多张写入

需要将图片先打包成一个batch，然后统一传入

for i in range(16):
    img_batch[i, 0] = np.arange(0, 10000).reshape(100, 100) / 10000 / 16 * i
    img_batch[i, 1] = (1 - np.arange(0, 10000).reshape(100, 100) / 10000) / 16 * i

writer.add_images('my_image_batch', img_batch, 0)

[PyTorch]在PyTorch环境下使用Tensorboard