1. 数据可视化：
tensorboard作为Tensorflow中强大的可视化工具，已经被广泛使用
但针对其他框架，例如Pytorch，之前一直没有这么好的可视化工具可用，好在目前Pytorch也可以支持Tensorboard了，那就是通过使用tensorboardX，真是Pytorcher的福利！
可以看到 tensorboardX完美支持了tensorboard常用的function
Github传送门：Tensorboard ， TensorboardX
下面介绍tensorboardX安装和基本使用方法：
2. tensorboardX安装：
因为tensorboardX是对tensorboard进行了封装后，开放出来使用，所以必须先安装tensorboard, 再安装tensorboardX，
（而如果不需要，可以不安装tensorflow，只是有些功能会受限）
直接使用pip/conda安装：
pip install tensorboard pip install tensorboardX
3. tensorboardX使用：
安装好后，剩下的和tensorboard使用方法基本一致，
先跑一遍example中的实例，
git clone https://github.com/lanpa/tensorboardX.git
可以看到example 文件夹有很多实例
运行demo.py:
python demo.py
demo.py运行后，会在该目录生成默认的runs文件夹，里面存储了Demo程序写入的log文件（通过pytorch）,这样就可以通过tensorboard对这些数据可视化了：
tensorboard --logdir "log路径" --port 6006
和往常一样启动tensorboard，web组件会在localhost搭建一个Port默认为6006
这时候打开浏览器（最好用chrome）进入http://localhost:6006/ ，就可以查看数据。
