TensorBoard是一个用于可视化机器学习实验结果的工具，可以帮助我们更好地理解和调试训练过程中的模型。
在PyTorch中，我们可以使用TensorBoardX库来与TensorBoard进行交互。TensorBoardX是一个PyTorch的扩展，它允许我们将PyTorch的训练中的关键指标和摘要写入TensorBoard的事件文件中。
3.1 TensorBoard使用
安装TensorBoard: pip install tensorboard
- add_scalar()的使用，常用来绘制（train/val loss）
- add_image()的使用，常用来观察训练结果
学习TensorBoard的目的：
- 训练过程中的loss是如何变化的。
- 模型在不同阶段的输出
3.1.1 SummaryWriter类
SummaryWriter 是 PyTorch 中 TensorBoard 的核心类，用于向 TensorBoard 写入各种类型的日志数据，方便可视化训练过程中的指标、图像、模型结构等信息。通过它可以实时监控训练进度，分析模型性能。
常用方法：
（1）、def__init__()
**功能：**初始化 SummaryWriter 对象
参数说明：
log_dir：日志文件保存路径，默认生成 runs/ 目录
comment：日志目录的附加注释
flush_secs：自动刷新到磁盘的时间间隔（秒）
(2)、add_acalars()
**功能：**同时记录多个标量数据（如同时记录训练和验证损失）
参数说明：
main_tag：主标签
tag_scalar_dict：键值对形式的多个标量
(3)、add_scalar()
**功能：**记录标量数据（如损失值、准确率）
参数说明：
tag：数据标签（如 'loss/train'）
scalar_value：要记录的标量值
global_step：训练步数，用于横轴坐标
(4)、add_image()
**功能：**记录单个图像
参数说明：
tag：数据标签
img_tensor：图像张量，需注意数据格式（默认 CHW）
支持 PIL 图像转换为张量后传入
(5)、add_images()
功能：一次记录多张图像
参数说明：
tag：数据标签
img_tensor：包含多个图像的张量
(6)、add_histogram()
**功能：**记录张量的直方图（如权重分布、梯度分布），用于观察参数变化趋势
(7)、add_text()
**功能：**记录文本信息（如超参数设置、训练日志）
**参数说明：**text_string:要记录的文本内容
(8)、close()
**功能：**关闭 SummaryWriter，释放资源，建议在程序结束时调用。
3.1.2 add_scalar() 方法使用
**功能：**记录标量数据（如损失值、准确率）
参数说明：
tag：数据标签（如 'loss/train'）
scalar_value：要记录的标量值（y轴）
global_step：训练步数，用于横轴坐标（x轴）
例如： y=x
python
from torch.utils.tensorboard import SummaryWriter
# 创建SummaryWriter实例，指定日志文件保存到"Logs"目录下
# 如果该目录不存在，会自动创建
writer = SummaryWriter("Logs")
# 循环100次，模拟训练过程中的100个步骤
for i in range(100):
# 向TensorBoard添加标量数据
# 参数说明：
# "y=x"：数据的标签名称，用于在TensorBoard中识别该曲线
# i：要记录的标量值（这里y值等于x值）
# i：全局步骤值（x轴坐标，这里与y值相同）
writer.add_scalar("y=x", i, i)
# 关闭SummaryWriter，释放资源，确保所有日志数据都被写入文件
writer.close()运行上述代码后，会产生一个Logs文件夹，如下图：
如何打开上述文件？
在终端输入：tensorboard ---logdir=Logs # logdir=事件文件所在的文件夹名
点击链接跳转：
为了和别人冲突，也可以指定端口打开tensorboard，输入指令：
tensorboard --logdir=Logs --port=6007
例如：y=2x
修改这行代码，其他与y=x例子代码一样
当tag与y不一致时的情况：
下面这种情况是不对的
每向 writer 中写入新的事件，也记录了上一个事件。
如何解决？
把logs文件夹下的所有文件删掉，程序删掉，重新开始或：重新写一个子文件，即创建新的 SummaryWriter("新文件夹")删掉logs下的文件，重新运行代码，在 Terminal 里按 Ctrl+C ，再输入命令：
tensorboard --logdir=logs --port=6007就可以出现名字为y=2x，但实际纵坐标是y=3x数值的图像。
3.1.3 add_image()的使用
功能： 记录单张图片
参数说明：
tag：对应图像的title
img_tensor：图像的数据类型，只能是torch.Tensor、numpy.array、string/blobnaem
global_step：训练步骤，int 类型
在python控制台输出图片类型，发现其类型是PIL.格式，不符合add_image()中的img_tensor参数所需要的图片类型数据格式。需要将其利用opencv（numpy.array()）读取图片，来获得numpy型图片数据。
由于我的python版本是3.6需要装opencv的版本有限制，要装
pip install opencv -python==4.3.0.38
这是将PIL.格式转成numpy.ndarray格式
（ 1 ）、程序：在 TensorBoard 显示蚂蚁图片
python
from torch.utils.tensorboard import SummaryWriter # 导入SummaryWriter类
import numpy as np
from PIL import Image
# 创建实例
writer = SummaryWriter("Logs") # 把对应的事件文件存储到logs文件夹下
image_path = "Datasets/train/ants_image/0013035.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape) # (512,768,3) 即(H,W,C)(高度，宽度，通道)
writer.add_image("test", img_array, 1, dataformats='HWC') # 第1步
writer.close()运行结果：
（ 2 ）、程序： TensorBoard 显示蜜蜂
将上面的程序修改路径即可，就改一行代码。其他跟上面一样
image_path = "Datasets/train/bees_image/16838648_415acd9e3f.jpg"
在一个title下，通过滑块显示每一步的图形，可以直观地观察训练中给model提供了哪些数据，或者想对model进行测试时，可以看到每个阶段的输出结果。
如果想要单独显示，重命名一下title即可，即 writer.add_image() 的第一个字符串类型的参数。