1 引入
1.1从pytorch1.1后可以使用tensorboard
1.2常见的两种tensorboard展示数据的例子：
tensorboard展示例子.png
*右侧loss图像，左侧展示训练的第N布的output结果
2 使用方法
2.1 头文件
#从torch的utils工具箱中导入tensorboard工具中的SummaryWriter类
from torch.utils.tensorboard import SummaryWriter
2.2 调用方法
#使用这个函数需要定义一个文件夹名称，这个文件夹存储实例的事件文件
writer = SummaryWriter("logs")
#关闭
writer.closer()
2.3 常用函数（add_scalar()、add_image()）
2.3.1 writer.add_scalar("tag" , y , x )
将y=2x的图像画在tensorboard上，
for i in range(100):
writer.add_scalar("y=2x", 2*i, i)#参数分别为：标题，y轴，x轴
结果：
上传标量数据
*注：出现比较怪的图像的话，把logs文件夹下的文件全部删除，再按ctrl+c取消下面命令的运行，再重新运行命即可。
2.3.2 writer.add_image("tag", path, step, dataformats)
#使用这个函数需要定义一个文件夹名称，这个文件夹存储实例的事件文件
writer = SummaryWriter("logs")
image_path = "dataset\\train\\bees\\16838648_415acd9e3f.jpg"
#使用Image.open()打开图片图片的数据类型为PIL型
img_PIL = Image.open(image_path)
#将PIL型图片转化为numpy型，因为writer.add_image()函数只能接收numpy型和torch.tensor型图片
img_array = np.array(img_PIL)
#'HWC'分别代表高度、宽度和通道数，因为add_image()接收的图片shape也有要求。
#如果不改名称的话，所有的图片都会展示在一个框下，可以通过拖动标尺查看不同的图片
writer.add_image("train",img_array,2,dataformats='HWC')#参数分别为：名称，图片地址，训练步数，图片shape格式
结果：
上传图片
3 命令
tensorboard --logdir=logs --port=6007#logdir=事件文件所在文件夹名，port为指定端口
附 全部代码
from torch.utils.tensorboard import SummaryWriter#从torch的utils工具箱中导入tensorboard工具中的SummaryWriter类
from PIL import Image
import numpy as np
writer = SummaryWriter("logs")#使用这个函数需要定义一个文件夹名称，这个文件夹存储实例的事件文件
image_path = "dataset\\train\\bees\\16838648_415acd9e3f.jpg"
img_PIL = Image.open(image_path)#使用Image.open()打开图片图片的数据类型为PIL型
img_array = np.array(img_PIL)#将PIL型图片转化为numpy型，因为writer.add_image()函数只能接收numpy型和torch.tensor型图片
writer.add_image("train",img_array,2,dataformats='HWC')#'HWC'分别代表高度、宽度和通道数，因为add_image()接收的图片shape也有要求。
for i in range(100):
writer.add_scalar("y=2x",2*i,i)#标题，y轴，x轴
writer.close()
参考视频：
https://www.bilibili.com/video/BV1hE411t7RN?p=9&spm_id_from=pageDriver
