背景
在模型训练过程中，需要记录很多数据，例如损失值，评价指标，使用的参数等，这里介绍一下可以使用的工具，方便后续使用。
工具
-
Pandas + openpyxl：pandas 是一个强大的数据处理库，而 openpyxl 是一个用于读写 Excel 文件的库。你可以使用 pandas 来创建和操作数据框（DataFrame），然后使用 openpyxl 将数据保存到 Excel 文件中。
-
TensorBoard + TensorBoardX (或 PyTorch 的 SummaryWriter)：如果你使用的是 TensorFlow 或 PyTorch，可以利用 TensorBoard 来记录训练过程中的各种指标，并使用 tensorboardX 或 SummaryWriter 将这些指标导出为 CSV 文件，然后再转换为 Excel 文件。
-
(\(\diamondsuit\))MLflow：MLflow 是一个开源平台，用于管理整个机器学习生命周期，包括实验跟踪、模型打包和部署。它可以记录训练过程中的各种指标，并支持将这些指标导出为多种格式，包括 CSV 和 Excel。
-
(\(\diamondsuit\))Weights & Biases (W&B)：Weights & Biases 是一个流行的实验跟踪工具，它可以帮助你记录和可视化训练过程中的各种指标。你可以将这些指标导出为 CSV 文件，然后再转换为 Excel 文件。
-
Scared：Sacred 是一个用于配置和组织实验的库，它提供了一种结构化的方式来记录实验配置和结果。Sacred 可以与 MongoDB 配合使用来存储实验数据，并且可以通过 OMNIBoard 进行可视化。
-
(\(\diamondsuit\))TensorBoard + torch.utils.tensorboard：TensorBoard 是 TensorFlow 的可视化工具，但它也可以与 PyTorch 结合使用。PyTorch 提供了 torch.utils.tensorboard 模块，可以方便地将训练过程中的数据记录到 TensorBoard 中。
可以将其丢进ai里面生成使用的代码，这里记录一下工具的选项，\(\diamondsuit\)表示使用简单，明了。
