官方介绍：https://github.com/lanpa/tensorboardX
如果我们能够把训练过程中损失函数、训练精度的变化用曲线表示出来，这对于直观表现训练过程是很有帮助的。TensoboardX可以做到这个。

TensorboardX的安装

首先安装TensorboardX
pip install tensorboardX
然后需要安装Tensorflow
pip install tensorflow

敲入TensorboardX代码

在原来代码的基础上，添加了以下三行代码。
一是导入库：
from tensorboardX import SummaryWriter
二是创建tensorboardX记录器实例：
writer = SummaryWriter(log_dir='logs') #用tensorboardX可视化
三是在训练过程中添加代码：
writer.add_scalar('training loss',train_loss/2000,epoch+1)
writer.add_scalar(标题，横轴数，纵轴数)

  1. import torch
  2. import torchvision
  3. import torchvision.transforms as transforms
  4. from torch.utils.data import DataLoader
  5. from tensorboardX import SummaryWriter
  7. #.....
  9. #--训练模型--
  10. writer = SummaryWriter(log_dir='logs') #用tensorboardX可视化
  11. print('-----训练优化器-------')
  12. import torch.optim as optim
  13. criterion = nn.CrossEntropyLoss()
  14. optimizer = optim.SGD(model.parameters(), lr=lr, momentum=momentum)
  15. print("----------正式训练模型---------")
  16. losses = []
  17. acces = []
  18. eval_losses = []
  19. eval_acces = []
  20. for epoch in range(10):
  21.     #......训练部分的代码
  22.     writer.add_scalar('training loss',train_loss/2000,epoch+1)

打开TensorboardX界面

以下只适用于矩池云的操作步骤
在使用矩池云的时候，添加端口：
image.png
然后终端输入以下命令：
tensorboard --logdir logs --bind_all，其中logs是日志文件保存的文件夹名字。也可用绝对路径。
--bind_all务必添加。
输出结果：
image.png
之后直接点击6006端口的HTTP链接即可，如下图所示：
image.png

TensorboardX其他的可视化功能

https://blog.csdn.net/qq_41612863/article/details/106875946
https://blog.csdn.net/qq_41612863/article/details/106877100

用TensorboardX可视化特征图

https://blog.csdn.net/halchan/article/details/102857521
https://cn.bing.com/search?q=writer.add_image&form=ANNTH1&refig=a1dbab4226ce444c86413bf9f0eab9d3