提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
Tensorboard原本是Google TensorFlow的可视化工具，可以用于记录训练数据、评估数据、网络结构、图像等，并且可以在web上展示，对于观察神经网络的过程非常有帮助。PyTorch也推出了自己的可视化工具，一个是tensorboardX包，一个是torch.utils.tensorboard，二者的使用相差不大，这里介绍前者。
pip3 install tensorboardX
（1）标量Scalars：存储和显示诸如学习率和损失等单个值的变化趋势
（2）图片Images：对于输入是图像的模型，显示某一步输入给模型的图像
（3）音频Audio：显示可播放的音频
（4）计算图Graph：显示代码中定义的计算图，也可以显示包括每个节点的计算时间、内存使用等情况
（5）数据分布Distribution：显示模型参数随迭代次数的变化情况
（6）直方图Histograms：显示模型参数随迭代次数的变化情况
（7）嵌入向量Embeddings：在3D或者2D图中展示高维数据
（8）文本Text：显示保存的一小段文字
(1)导入tensorboard，实例化SummaryWriter类，指明记录日记路径等信息
from torch.utils.tensorboard import SummaryWriter
#实例化SummaryWriter，并指明日志存放路径
#在当前目录如果没有logs目录将自动创建
#如果不写log_dir，系统将会创建runs目录
with SummaryWriter(log_dir=os.path.join(save_path, 'log'), comment='xxx') as writer:
#调用实例
writer.add_xxx()
#关闭writer
writer.close()
(2)调用相应的API，接口一般格式为：
add_xxx(tag_name, object, iteration-number)
(3)启动tensorboard，在命令行中输入
tensorboard --logdir=r'logs所在的路径'
(4)复制网址在浏览器中打开，Ctrl+c退出
http://localhost:6006/
1.TensorBoard：张量板
2.SCALARS：标量
3.IMAGES：图像
4.TIME SERIES：时间序列
5.INACTIVE(这个位置为选项卡，有很多的选项)：不活跃
6.UPLOAD：上传
7.四个图标：亮或暗显示模式，最近更新，重载期和分页限制，帮助(github链接)
8.Show data download links：显示数据下载链接(会出现下载按钮)
9.Ignore outliers in chart scaling：忽略图表缩放中的异常值(可以消除离散值)
10.Tooltip sorting method：工具提示排序方法，包括default(默认)，descending(下降)，ascending(上升)， neares(最近)
11.Smoothing：数据圆滑程度(范围0~1)
12.Horizontal Axis(横轴)：包括STEP(迭代次数)、RELATIVE(训练集和测试集的相对值)、WALL(训练时间)
13.Runs：Write a regex to fiter runs：运行：编写一个正则表达式来过滤运行
14.TOGGLE ALL RUNS：切换所有运行(点了会打勾，我只有一个log，看到别人显示很多，用到再补充)
15.Filter tags (regular expressions supported)：过滤标签，支持正则表达式
16.右边是数据以图像显示的区域，比如当前有Train类，共7张图。可以鼠标选中图像的一块区域放大观察。每张图片下方有四个蓝色图标：整张图放大、切换 y 轴对数刻度、将域拟合到数据、下载为SVG图片格式。run to download：运行下载(点击后会将图片的信息转换为CSV或JSON格式的数据)，前提是打勾Show data download links
前面讲过的就不重复了
1.Show actual image size：显示实际图片的大小
2.Brightness adjustment：亮度调节
3.Contrast adjustment：对比度调节
4.RESET：恢复亮度调节或对比度调节的默认值
5.右边是数据以图像显示的区域，比如当前有test和train类，各2张图。点击图片可显示实际图片的大小或缩小
其他的再慢慢补充