.py | TensorBoard 笔记（PyTorch 版）
内容提要
TensorBoard 是 TensorFlow 开发的可视化工具，便于观察和调整机器学习模型。使用 PyTorch 调用 TensorBoard 通过 SummaryWriter 类记录训练过程中的损失等信息，并在浏览器中查看可视化结果。
延伸解读
PyTorch 调用 TensorBoard 的便捷性
文章指出，尽管 TensorBoard 由 TensorFlow 团队开发，但 PyTorch 调用它反而更加方便简单。这体现在只需从 torch.utils.tensorboard 导入 SummaryWriter 类，即可在训练过程中记录数据，无需复杂配置。对于使用 PyTorch 的开发者来说，这意味着可以轻松获得可视化能力，而无需切换到 TensorFlow 生态。
SummaryWriter 的核心作用与使用方式
SummaryWriter 是 torch.utils.tensorboard 中唯一的类，负责将数据写入日志文件供 TensorBoard 读取。创建实例时指定日志目录（如 'runs/fashion_mnist_experiment_1'），会在当前工作环境新建 /runs 文件夹。通过调用 add_scalar()、add_image() 等方法，可以将标量、图像等不同类型的数据分别记录到对应的选项卡中，方便在浏览器中查看。
TensorBoard 的启动与查看
训练过程中，使用 TensorBoard 的项目可以通过浏览器访问 localhost:6006 来查看可视化结果。页面会显示 SCALARS、IMAGES 等选项卡，具体内容取决于调用了哪些 SummaryWriter 方法。例如，使用 add_scalar() 记录的损失值会出现在 SCALARS 选项卡中，而 add_image() 记录的图像则出现在 IMAGES 选项卡中。
Q&A
TensorBoard 是什么？
TensorBoard 是 TensorFlow 开发的可视化工具，用于观察和调整机器学习的数据集、模型、超参数和训练结果。
如何在 PyTorch 中使用 TensorBoard？
在 PyTorch 中使用 TensorBoard，需要引入 'from torch.utils.tensorboard import SummaryWriter'，并创建 SummaryWriter 实例记录训练过程。
SummaryWriter 的作用是什么？
SummaryWriter 用于记录训练过程中的损失等信息，并将数据添加到 TensorBoard 中进行可视化。
如何查看 TensorBoard 的可视化结果？
可以在训练过程中使用网页浏览器打开网址 localhost:6006 来查看 TensorBoard 的可视化结果。
使用 SummaryWriter 时需要调用哪些方法？
使用 SummaryWriter 时，可以调用 add_scalar() 和 add_image() 等方法将数据添加到 TensorBoard 中。
在 PyTorch 中创建 SummaryWriter 实例后会发生什么？
创建 SummaryWriter 实例后，会在当前工作环境下新建一个 /runs 文件夹，用于存储日志数据。
