1.通过add_scalar()画图形曲线

首先通过SummaryWriter函数获得该变量writer，并且将生成的文件放在名为logs的文件夹下，代码为：

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")

接着调用add_scalar函数生成需要的曲线图，将生成的图存于上面函数创建的logs文件夹下，其中函数的第一个参数是要生成的图的名字，第二的参数是y轴，第三个参数是x轴。例如生成100以内，y=x的曲线图代码如下：

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

最后需要关闭该变量：

writer.close()

此时生成的曲线图信息我们是无法直接打开的，那么怎么查看改图呢，我们需要打开命令行，或者使用pycharm中的命令行，输入tensorboard --logdir=生成图所在路径。如果是在pycharm命令行打开，那么我们的生成图所在路径直接就是logs，如果是其他目录下则要将完整路径写出。在pycharm命令行中输入如下图：
在这里插入图片描述点击上面的http://localhost:6006/即可查看到输出曲线结果，默认输出是6006端口，按ctrl+c可退出。在一台服务器同时多人使用时可能导致端口被占用，因此我们可以通过给命令再加一个参数实现修改输出端口，
即在命令后写–port=想要修改的端口号。例如我们修改端口号为6007，则命令行输入如下：
在这里插入图片描述点击端口地址后结果如下：
在该页面有对该曲线图的多种用法，不一一列举。

2.通过add_image()观察训练结果

同样，先通过SummaryWriter函数获得该变量writer，并且将生成的文件放在名为logs的文件夹下，代码为：

from torch.utils.tensorboard import SummaryWriter
writer = SummaryWriter("logs")

其次通过调用PIL包中的Image.open的函数获取到PIL类型的图片数据，但因add_image函数中的图片参数为numpy型或是torch.tensor型，因此通过numpy.array函数转化图片类型，然后在调用add_image函数，代码如下：

from torch.utils.tensorboard import SummaryWriter
import numpy as np
from PIL import Image


writer = SummaryWriter("logs")
img_path = "data/train/ants_image/0013035.jpg"
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)
writer.add_image("test", img_array, 1, dataformats="HWC")