写了很多内容，但是在发布的时候提醒：非常抱歉，您的文章由于内容问题无法立即发布，如有疑问请通过邮件 help@jianshu.com 联系我们，也不说哪儿的问题，那么多字怎么找，二分法找，结果把前半部分内容折腾掉了。。。简书的操作还是不行啊。。。。，还是换地方写总结吧
3、TensorBoard setup
fromtorch.utils.tensorboard import SummaryWriter
# default `log_dir` is "runs" - we'll be more specific here
writer=SummaryWriter('runs/fashion_mnist_experiment_1')
4、Writing to TensorBoard
# Now let’s write an image to our TensorBoard - specifically, a grid - using make_grid.
# get some random training images
dataiter=iter(trainloader)
images,labels=dataiter.next()
# create grid of images
img_grid=torchvision.utils.make_grid(images)
# show imagesmatplotlib_imshow(img_grid,one_channel=True)
# write to tensorboard
writer.add_image('four_fashion_mnist_images',img_grid)
5、running
tensorboard--logdir=path/to/runs
然后就可以在浏览器中打开：https://localhost:6006，则可在Tensorboard中看到可视化结果。
教程中提供了四个示例，一是可视化几张FashionMNIST数据集中的图片，而是利用降维方法，see these 100 images - each of which is 784 dimensional - projected down into three dimensional space. 这个示例挺好的，以后可能有用得到的地方，第三个是 Tracking model training with TensorBoard，也就是利用Tensorboard实时查看某些参数的变化情况。第四个是用Tensorboard评估模型。
具体的研究不是很深入，等真正需要用到Tensorboard时再来好好研究。
另外，看源代码真的很重要，以后再碰到调用torch、torchvision等等什么包里的函数时，一定要把函数源代码看看，源代码里有很清楚的描述，反而比去东找西找说明要更有效率。
到此，Getting Started专题里的三个小教程就看完了，后续的教程分为Image、Audio、Text、Reinforcement Learning、Deploying PyTorch Models in Production、Parallel and Distributed Training 。。。等等，自己根据喜欢程度选择学习吧。但是一定要自己写代码，哪怕对着别人的敲，要深入细致的学习了。
