TensorBoard是一个可视化工具，可以查看每个阶段的输出结果。
工作流程：1.将代码运行过程中关心的数据保存在一个文件夹中（writer完成）2.读取这个文件夹中的数据，用浏览器显示出来（命令行运行tensorboard完成）
SummaryWriter类的使用
help：将数据以特定的格式存储到事件文件夹中。
常用方法：
add_scalar(self, tag, scalar_value, global_step=None, walltime=None)方法参数说明：
tag字符串类型，表示标题；
scalar_value相当于y轴的值；
global_step相当于x轴的值int型；
最后一个参数是可选参数
add_image(self, tag, img_tensor, global_step=None, walltime=None, dataformats='CHW')方法参数说明：
部分参数与上相同；
img_tensor表示图像的数据类型，需要是torch.Tensor， numpy.array 或者 string/blobname；
最后一个参数是图像的尺寸格式，默认是3HW（3表示通道C），如果不是默认的则需要用最后一个参数进行说明。
在pycharm的terminal终端输入命令tensorboard --logdir=事件文件所在文件夹名，默认使用6006端口，更改端口可以使用命令tensorboard --logdir=事件文件所在文件夹名 --port=6007，通过浏览器查看可视化结果。
代码实现：
1.实例化SummaryWriter对象，保存到logs文件夹下
writer = SummaryWriter("logs")
2.调用所需要的方法
writer.add_image("test", img_array, 2, dataformats='HWC')
3.关闭writer
writer.close()
实现读取数据集中的图片或自己作图通过TensorBoard展示出来：
from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image
writer = SummaryWriter("logs")
img_path = "dataset/train/bees/16838648_415acd9e3f.jpg"
#读取的图像数据类型是JpegImageFile
img_PIL = Image.open(img_path)
#从PIL到numpy，需要在add_image()中指定shape中的每一个数字/维表示的含义
img_array = np.array(img_PIL)
print(type(img_array))
print(img_array.shape) #此处格式为(H, W, C)高度宽度通道形式
writer.add_image("test", img_array, 2, dataformats='HWC')
# y = 2x
#当标题不变时，将2x变为3x则会发生混乱，可以删除之前的事件文件，即可正常显示
for i in range(100):
writer.add_scalar("y=2x", 3*i, i)
#注意要记得close
writer.close()
在命令行中启动TensorBoard
#命令行运行命令
tensorboard --logdir=logs
标签：img,writer,add,文件夹,TensorBoard,使用,array From： https://www.cnblogs.com/yq-ydky/p/17617123.html