pytorch中使用tensorboard 的例子代码

下面是一个简单的使用PyTorch和TensorBoard的例子代码：

import torch
import torch.nn as nn
from torch.utils.tensorboard import SummaryWriter

# 构建模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 1)

    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

# 训练模型
writer = SummaryWriter('runs/example')
model = Net()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

for i in range(1000):
    x = torch.randn(1, 10)
    y = model(x)
    loss = y.mean()

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

    if i % 100 == 0:
        writer.add_scalar('Loss/train', loss.item(), i)

writer.close()

在这个例子中，我们定义了一个简单的神经网络模型，然后使用随机数据来进行训练。每100个迭代周期，我们将训练误差写入TensorBoard中。最后，我们关闭写入器。

要查看TensorBoard可视化结果，只需在终端中运行以下命令：

tensorboard --logdir=runs

然后在浏览器中打开TensorBoard的URL即可查看结果。