转载：https://zhuanlan.zhihu.com/p/103630393
安装
pip install tensorboard
使用逻辑
- 将代码运行过程中的，某些你关心的数据保存在一个文件夹中
这一步由代码中的writer完成 - 再读取这个文件夹中的数据，用浏览器显示出来
这一步通过在命令行运行tensorboard完成。
使用代码
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter('./path/to/log')
# 针对数值
writer.add_scalar(tag, scalar_value, global_step=None, walltime=None)
这里的tag指定可视化时这个变量的名字，scalar_value是你要存的值，global_step可以理解为x轴坐标。
简单例子
for epoch in range(100)
mAP = eval(model)
writer.add_scalar('mAP', mAP, epoch)
除了数值还能展示图像
命令行启动tensorboard
tensorboard --logdir=./path/to/the/folder --port 6006
然后打开浏览器，访问地址http://localhost:6006/即可。这里的6006只是随便一个例子，用其他的未被占用端口也没有任何问题，注意命令行的端口与浏览器访问的地址同步。
另一点要注意的是tensorboard并不是实时显示（visdom是完全实时的），而是默认30秒刷新一次。
其他使用
1.变量归类
命名变量的时候可以使用形如
writer.add_scalar('loss/loss1', loss1, epoch)
writer.add_scalar('loss/loss2', loss2, epoch)
writer.add_scalar('loss/loss3', loss3, epoch)
这样3个loss就会被显示在同一个section。
2.同时显示多个折线图
假如使用了两种学习率去训练同一个网络，想要比较它们训练过程中的loss曲线，只需要将两个日志文件夹放到同一目录下，并在命令行运行
tensorboard --logdir=./path/to/the/root --port 6006