TensorBoard 是一组用于数据可视化的工具。它包含在流行的开源机器学习库 Tensorflow 中。

一、TensorBoard的主要功能

1.可视化模型的网络架构
2.跟踪模型指标，如损失和准确性等
3.检查机器学习工作流程中权重、偏差和其他组件的直方图
4.显示非表格数据，包括图像、文本和音频
5.将高维嵌入投影到低维空间

二、使用步骤

1.tensorboard涉及的方法和类

首先引入库，代码如下：

from torch.utils.tensorboard import SummaryWriter

从torch（大工具箱中）的utils（常用的工具箱）中导入tensorboard,然后导入了SummaryWriter这个类。

1.1查看SummaryWriter这个类的使用方法

pycharm中可以直接按住ctrl键+点击这个类，查看用法
SummaryWriter是一个直接向log_dir文件夹写入一个事件文件，这个事件文件可以被tensorboard解析。

使用方法：
def __init__()  //初始化函数
log_dir (string)  ==  输入文件夹名称

初始化之后，一般会为这个类创建一个实例
write = SummaryWriter(“logs”)   # 将事件文件存入logs这个文件夹底下

在这个实例中，经常会使用到两个方法：
（1） writer.add_image(self, tag, img_tensor, global_step=None, walltime=None, dataformats=‘CHW’);  

 add_image常用来观察数据结果，绘制图片，可用于检查模型的输入，监测 feature map 的变化，或是观察 weight。
tag：就是保存图的名称
img_tensor:图片的类型要是torch.Tensor, numpy.array, or string这三种
global_step：第几张图片
dataformats=‘CHW’，默认CHW，tensor是CHW，numpy是HWC，C通道，H高度，W宽度
注：numpy类型是HWC，opencv读取的类似是numpy型
  (2)  writer.add_scalar(tag, scalar_value, global_step=None,);   #添加一些标量数据。将我们所需要的数据保存在文件里面供可视化使用。
tag：所画图标的title（标题），str类型，字符串
scalar_value：需要保存的数值，对应y轴的y值，浮点型或字符串
global_step：全局的步数，对应x轴

最后

write.close()

1.2 完整代码

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np

writer = SummaryWriter("logs")
# 将事件文件存入logs文件夹底下
image_path = "train/bees/17209602_fe5a5a746f.jpg"
img_PIL = Image.open(image_path)
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape)

writer.add_image("bees", img_array, 0 ,dataformats='HWC' )
#add_image()常用来观察数据结果
#dataformats='HWC'中的hwc分别表示高度/宽度/通道。使用print(img_array.shape)可以查看图片的hwc。

for i in range(100):   
   writer.add_scalar("y=5*x+3", 5*i+3, i)

writer.close()

总结（一些问题）

1.1 add_scalar的简单操作

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter(“logs”)
# 将事件文件存入logs文件夹底下

for i in range(100):
    writer.add_scalar(“y+x”, i, i)

writer.close()
点击运行后，会创建一个logs,里面有事件文件

1.2 如何打开这个事件文件？

（1）首先打开pycharm中的terminal
（2）输入tensorboard –logdir=logs
完成点击回车，它会返回一个网址端口，点击即可在浏览器打开
可能存在的问题：它返回的是一个默认的端口，有时可能很多人使用这个端口。为了避免这个问题，我们可以指定端口。
输入tensorboard –logdir=logs –port=6538(随便输入一个端口后面的数字)，点击回车即可生成新端口。

1.3 writer_image的简单操作

首先要注意writer.add_image(self, tag, img_tensor, global_step)方法中，img_tensor的类型。
使用pycharm中的from PIL import Image,从PIL库中导入Image时，图片格式是PIL.JpegImagePlugin.JpegImageFile，不符合img_tensor对图片格式的要求，这时候我们有两个办法可以解决这个问题：1.利用numpy.array()对PIL图片进行转换；2.可以使用opencv。