一. 安装包
pytorch版本最好大于1.1.0。查看PyTorch版本的命令为torch.__version__
tensorboard若没有的话，可用命令conda install tensorboard安装，也可以用命令pip install tensorboard安装。
注意：
- tensorboard可以直接实现可视化，不需要安装TensorFlow；
- tensorboard和tensorboard_logger是不同的包，包含的函数也不相同，虽然总体上用法相似。
二. tensorboard的使用逻辑
【下图摘自知乎文章：PyTorch下的Tensorboard 使用】
三. 本地使用示例
假设我想可视化模型训练过程中的loss，那么就可以在训练的时候，把每个epoch的loss都保存到文件中。
from torch.utils.tensorboard import SummaryWriter # SummaryWriter的作用是将数据以特定的格式存储到文件夹
folder = '/Users/wangpeng/Desktop/tb' # 指定存储文件夹
writer = SummaryWriter(log_dir=folder, flush_secs=30) # 实例化SummaryWriter类，每30秒写入一次到硬盘
for epoch in range(100):
loss = 10 - 0.1 * epoch
writer.add_scalar('learning_rate', loss, epoch) # 把loss写入到文件夹中
运行程序之后，tb文件夹内就会出现一个文件：
然后打开命令行终端， 输入tensorboard --logdir='/Users/wangpeng/Desktop/tb'，如下图绿线所示：
把图中红线的地址复制到google浏览器中，即可看到loss的可视化结果：
四. tensorboard在服务器上使用
【下面的内容来自这篇博文：Tensorboard 在服务器上的使用】
4.1. windows系统
在Windows系统装一个Xshell,在文件->属性->ssh->隧道->添加,类型local，源主机填127.0.0.1（意思是本机），端口设置一个，比如12345，目标主机为服务器，目标端口一般是6006，如果6006被占了可以改为其他端口。
在服务器上运行 tensorboard --logdir='logs' --port =6006
在本机打开网页127.0.0.1:12345
即可查看远程的tensorboard。
注：关于通过Xshell来建立隧道的方法，如果尝试没有成功，可以参考这篇博客：Xshell远程服务器后Tensorboard的本地可视化方法，讲得更清楚一些。
4.2. Mac或Linux系统
· 在登录远程服务器的时候使用命令：ssh -L 16006:127.0.0.1:6006 account@server.address
（代替一般ssh远程登录命令：ssh account@server.address）
·训练完模型之后使用如下命令：
tensorboard --logdir="/path/to/log-directory"
（其中，/path/to/log-directory为自己设定的日志存放路径，因人而异）
·最后，在本地访问地址：http://127.0.0.1:16006/
原理：建立ssh隧道，实现远程端口到本地端口的转发 具体来说就是将远程服务器的6006端口（tensorboard默认将数据放在6006端口）转发到本地的16006端口，在本地对16006端口的访问即是对远程6006端口的访问，当然，转发到本地某一端口不是限定的，可自由选择。
五. 两条曲线画一个图上
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)
# 把两个图放到一个section
writer.add_scalar('loss/x', x, j)
writer.add_scalar('loss/y', y, j)
# 把两条曲线放到一个图上
writer.add_scalars('acc', {'h': h, 'w': w}, j) # 注意是add_scalars，不是add_scalar
运行结果，得到文件如下：
得到tensorboard图像:
