一. 安裝包
pytorch版本最好大於1.1.0。查看PyTorch版本的命令為torch.__version__
tensorboard若沒有的話，可用命令conda install tensorboard安裝，也可以用命令pip install tensorboard安裝。
注意：
- tensorboard可以直接實現可視化，不需要安裝TensorFlow；
- tensorboard和tensorboard_logger是不同的包，包含的函數也不相同，雖然總體上用法相似。
二. tensorboard的使用邏輯
【下圖摘自知乎文章：PyTorch下的Tensorboard 使用】
三. 本地使用示例
假設我想可視化模型訓練過程中的loss，那么就可以在訓練的時候，把每個epoch的loss都保存到文件中。
from torch.utils.tensorboard import SummaryWriter # SummaryWriter的作用是將數據以特定的格式存儲到文件夾
folder = '/Users/wangpeng/Desktop/tb' # 指定存儲文件夾
writer = SummaryWriter(log_dir=folder, flush_secs=30) # 實例化SummaryWriter類，每30秒寫入一次到硬盤
for epoch in range(100):
loss = 10 - 0.1 * epoch
writer.add_scalar('learning_rate', loss, epoch) # 把loss寫入到文件夾中
運行程序之后，tb文件夾內就會出現一個文件：
然后打開命令行終端， 輸入tensorboard --logdir='/Users/wangpeng/Desktop/tb'，如下圖綠線所示：
把圖中紅線的地址復制到google瀏覽器中，即可看到loss的可視化結果：
四. tensorboard在服務器上使用
【下面的內容來自這篇博文：Tensorboard 在服務器上的使用】
4.1. windows系統
在Windows系統裝一個Xshell,在文件->屬性->ssh->隧道->添加,類型local，源主機填127.0.0.1（意思是本機），端口設置一個，比如12345，目標主機為服務器，目標端口一般是6006，如果6006被占了可以改為其他端口。
在服務器上運行 tensorboard --logdir='logs' --port =6006
在本機打開網頁127.0.0.1:12345
即可查看遠程的tensorboard。
注：關於通過Xshell來建立隧道的方法，如果嘗試沒有成功，可以參考這篇博客：Xshell遠程服務器后Tensorboard的本地可視化方法，講得更清楚一些。
4.2. Mac或Linux系統
· 在登錄遠程服務器的時候使用命令：ssh -L 16006:127.0.0.1:6006 account@server.address
（代替一般ssh遠程登錄命令：ssh account@server.address）
·訓練完模型之后使用如下命令：
tensorboard --logdir="/path/to/log-directory"
（其中，/path/to/log-directory為自己設定的日志存放路徑，因人而異）
·最后，在本地訪問地址：http://127.0.0.1:16006/
原理： 建立ssh隧道，實現遠程端口到本地端口的轉發 具體來說就是將遠程服務器的6006端口（tensorboard默認將數據放在6006端口）轉發到本地的16006端口，在本地對16006端口的訪問即是對遠程6006端口的訪問，當然，轉發到本地某一端口不是限定的，可自由選擇。
五. 兩條曲線畫一個圖上
程序示例：
import torch
import numpy as np
from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter(log_dir='/root/wp/action/result_recg/test', flush_secs=30)
for j in range(1, 50):
i = torch.tensor(j)
learning_rate = 0.1 * i
x = np.log2(i)
y = 2 * np.log2(i)
h = 3 * np.log2(i)
w = 4 * np.log2(i)
writer.add_scalar('learning_rate', i, j)
# 把兩個圖放到一個section
writer.add_scalar('loss/x', x, j)
writer.add_scalar('loss/y', y, j)
# 把兩條曲線放到一個圖上
writer.add_scalars('acc', {'h': h, 'w': w}, j) # 注意是add_scalars，不是add_scalar
運行結果，得到文件如下：
得到tensorboard圖像:
