tf.summary.scalar()用法
作用
主要用来显示标量的信息，一般在画loss，accuary时会用到这个函数。
其格式为：
下面展示一些 代码。
tf.summary.scalar(tag, value, step=step)主要参数
tag（标签）：用于标识记录的值的标签。它是一个字符串，可以自由指定，用于在TensorBoard中区分不同的摘要项。value（值）：要记录的标量值。它应该是一个标量张量（scalar tensor），即一个形状为[]的张量。step（步数）：可选参数，表示记录该值时的训练步数或时间步。它通常用于跟踪训练过程中的进度。如果省略，则默认使用当前全局步骤值。
torchvision.transforms.functional.interpolate用法
作用
用于对输入的图像进行调整大小。
代码为：
image = F.interpolate(image.unsqueeze(0), size=size, mode="nearest").squeeze(0)主要参数：
首先，image.unsqueeze(0)是将一个图像张量增加一个维度，这样做是为了在interpolate函数中正确地处理图像。增加的维度是在批量维度（即第一个维度），所以现在你有一个批量的图像，每个图像都是一个单独的批次。
然后，F.interpolate函数用于重新调整图像的大小。其中：
mode="nearest"指定了插值方法。在这种情况下，将使用最近邻插值法，这是最简单的插值方法，它简单地使用输入图像中最近的像素来替代输出图像中的像素。size=size指定了输出图像的大小。size应该是一个包含两个元素的元组或列表，例如size=(128, 128)，这表示输出图像的宽度和高度都应该是128。
最后，.squeeze(0)用于移除批量维度，因为你可能希望在接下来的处理中只处理单个图像，而不是一个批量的图像。