torch版本 1.9.0

from torch.utils.tensorboard import SummaryWriter
#创建日志文件，记录实验运行中的各项数据
writer = SummaryWriter(comment=f'MODEL_{args.model}_EPS_{args.n_iter}_BS_{args.batch_size}_LOSS_{args.sim_loss}_GPUID_{arg.gpu}')

原始初始化代码如下：

def __init__(self, log_dir=None, comment='', purge_step=None, max_queue=10,
                 flush_secs=120, filename_suffix='')

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter()

writer.close()

执行以上代码会在.py并行文件夹下生成一个runs文件（默认，writer = SummaryWriter('123则生成的文件夹命名为123），并在其下生成以后个包含时间和电脑信息的文件夹，文件夹下是时间文件。

log_dir（字符串）:表示日志存放的地址，指定地址后在指定位置生成时间文件

writer = SummaryWriter(log_dir='runs')

结果：

comment（字符串）:在生成的runs文件夹下创建一个以时间与设备名+comment命名的文件夹，如果指定log_dir的话则忽略comment指令，即不会创建文件夹仅创建事件文件。

writer = SummaryWriter(comment='MODEL_1_EPS_2_BS_3_LOSS_4')

结果：

purge_step（整形）:当日志在步骤:math:T+X 崩溃并在步骤:math:T 重新启动时，global_step 大于或等于:math:T 的任何事件都将从 TensorBoard 中清除并隐藏。 请注意，崩溃和恢复的实验应该具有相同的“log_dir”。这个没看懂。
max_queue （整形）:在“添加”调用之一强制刷新到磁盘之前，挂起事件和摘要的队列大小，10个信息一轮达到10件必须写入文件一次。 默认为十项。
flush_secs（整形）:将挂起的事件和摘要刷新到磁盘的频率（以秒为单位）将信息写入文档的时间间隔。 默认为每两分钟一次。
filename_suffix（字符串）:在事件加的后缀信息。

writer = SummaryWriter(filename_suffix='11111111')

结果：

向文件里录入信息 add_scalar

writer.add_scalar( tag, scalar_value, global_step=None, walltime=None, new_style=False)

tag（字符串）:数据标识符。
scalar_value（浮点型字符串）:需要保存的值。
global_step（整形）:要记录的全局步长值，有人说是时间步数（x轴）。
walltime（浮点型）:可选在事件在结束epoch后以秒覆盖默认壁挂时间（walltime）。
new-style（布尔值）:选择使用张量字段还是值字段，张量字段可以加快写入，默认为值字段。