pytorch中tensorboardX可视化网络使用踩坑

pytorch中要使用tensorboard需要以下环境：
1.python 3.6+

2.Pytorch 0.4.0+

3.tensorboardX: pip install tensorboardX、pip install tensorflow

windows下要实现命令行操作tensorboard需要提前配置好环境变量，如果使用anaconda一般需要在系统变量的path中添 加C:\Users\XXX\Anaconda3\Scripts.

打开图形化界面需要在命令行键入tensorboard --logdir 目录
默认情况下在runs同级目录下使用命令行：tensorboard --logdir runs
当然也可以按ctrl+B对SummaryWriter中的log_dir=None的参数值进行修改，相关数据会保存在指定目录下。

注意： tensorboard需要图形化界面支持，要想在docker中使用必须在创建docker时使用支持图形化的命令。目前实验中只能采取将相关训练完成的文件夹复制之后在windows环境下操作，**调用的是本地解释器！**使用最新版本的tensorflow和tensorboardX避免版本出错。

1. scalar
可视化tensor数据，显示epoch，loss等训练信息，以下是通用样例：

import torch
from tensorboardX import SummaryWriter

writer = SummaryWriter()
x =
y =
for epoch in range(100):
	writer.add_histogram