在 60 分钟速成课程中，我们展示了如何加载数据，将其传递通过我们定义的作为 nn.Module 子类的模型，训练该模型并在测试数据上进行测试。为了查看发生了什么，我们在模型训练过程中打印一些统计信息，以便了解训练是否进展顺利。然而，我们可以做得更好：PyTorch 与 TensorBoard 集成，这是一个专为可视化神经网络训练结果设计的工具。本教程演示了它的一些功能，使用的是 Fashion-MNIST 数据集，可以通过 torchvision.datasets 读取到 PyTorch。

在本教程中，我们将学习如何：

1. 读取数据并进行适当的转换（几乎与之前的教程相同）。
2. 设置 TensorBoard。
3. 向 TensorBoard 写入数据。
4. 使用 TensorBoard 检查模型架构。
5. 使用 TensorBoard 创建交互式版本的可视化，减少代码量。

具体来说，在第 5 点中，我们将看到：

• 检查训练数据的几种方法。
• 如何跟踪模型在训练过程中的表现。
• 如何评估模型在训练后表现。

我们将从与 CIFAR-10 教程相似的模板代码开始：

python"># 导入库