前言：
  安装完 pytorch 环境后，我们正式学习第一个内容：使用 Tensorboard 来使数据可视化，对应 B站 小土堆 博主中 pytorch 教程的第八节内容，先看视频，再读本文章会比较容易看懂。

目录

1、安装 TensorBoard

  在运行下面主要代码之前，我们要先安装 TensorBoard 这个 python 库。
（这里先停一下，你要先学会安装 python 库，如果不会，请查其他资料学习）

pip install tensorboard

2、代码展示

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter("log")

for i in range(100):
    writer.add_scalar("y=2x", 2*i, i)

writer.close()

3、解释代码

  从 torch.utils.tensorboard 中导入 SummaryWriter 库。在当前代码文件（如：a8.py）下的文件夹内创建一个叫做 log 的文件夹，用于存放运行产生的数据文件。这个文件夹的位置与代码文件的位置是相同的。

例如：a8.py 放在 D:\pytorch 中，其中 pytorch 为文件夹的名字，则这个叫 log 的文件夹的路径为： D:\pytorch\log 。

  如果代码是下面这种形式：就会在代码所在的文件夹外创建 log 文件夹。例如：a8.py 放在 D:\pytorch\代码 中，那么 log 文件夹就的路径为： D:\pytorch\log

writer = SummaryWriter("../log")

  将 SummaryWriter( ) 赋给 writer 。i 的值是从 0 到 99 ，总共有 100 个数字。用writer.add_scalar( ) 来存放数值数据，scalar 是标量的意思。里面的参数设置分别为：框名（不同的框名存放不同的数据），y 值，x 值。最后一定要记得用 writer.close( ) 关闭 tensorboard 。运行代码。

4、运行代码

5、打开TensorBoard

  比较方便的方法是：直接在 PyCharm 软件的终端上运行下面代码：

tensorboard --logdir="log"

  第二种方法是在任何终端输入上面的代码，但要在存放 log 文件夹的路径下执行

6、结果展示

来源：在下_诸葛