pytorch tensorboard绘制一个模型中的多个loss

要在TensorBoard中绘制一个模型中的多个loss，您需要使用`SummaryWriter`类来记录每个loss并将其写入TensorBoard的日志文件中。以下是一个示例代码：

import torch
from torch.utils.tensorboard import SummaryWriter

# 创建SummaryWriter对象
writer = SummaryWriter()

# 定义模型和损失函数
model = torch.nn.Linear(1, 1)
criterion1 = torch.nn.MSELoss()
criterion2 = torch.nn.L1Loss()

# 定义优化器
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

# 训练模型
for epoch in range(100):
    # 前向传播
    inputs = torch.randn(10, 1)
    targets = torch.randn(10, 1)
    outputs = model(inputs)

    # 计算loss1和loss2
    loss1 = criterion1(outputs, targets)
    loss2 = criterion2(outputs, targets)

    # 计算总loss
    loss = loss1 + loss2

    # 反向传播和优化
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

    # 将loss1和loss2写入TensorBoard
    writer.add_scalar('Loss/loss1', loss1.item(), epoch)
    writer.add_scalar('Loss/loss2', loss2.item(), epoch)

# 关闭SummaryWriter
writer.close()

在上面的示例中，我们使用`SummaryWriter`对象记录了每个epoch中的两个loss。`add_scalar`方法将值写入TensorBoard的日志文件中，并在TensorBoard的界面中绘制出来。您可以在TensorBoard的"SCALARS"选项卡中查看这些loss的曲线。