tensorflow中TensorBoard用法：

TensorBoard 工作原理：

• 简单来说，TensorBoard 是通过一些操作（summary operations）将数据记录到文件（event files）中，然后再读取文件来完成作图的。
• 工作步骤：
  • Summary：对需要可视化的变量进行summary操作，以记录变量的日志信息。
  • Merge:使用 tf.summary.merge_all 来将定义的多个summary操作聚合成一个操作，由它来产生所有 summary 数据。
  • Writer：使用tf.summary.FileWriter() 定义一个写summary数据的操作，定义时需要指定一个目录。
  • Run:在运行的时候使用add_summary()来将某一步的summary数据记录到文件中。
  • 启动命令：
    当训练完成后，使用 tensorboard --logdir=path/to/log-directory 来启动TensorBoard，按照提示在浏览器打开页面，
    注意把 path/to/log-directory 替换成你上面指定的目录。

Tensorboard的大纲：

SCALARS(折线图)

作用：

• 用来显示标量信息，一般用来保存loss，accuary，学习率等数据，比较常用

函数原型：

tf.summary.scalar(name, tensor, collections=None, family=None)

参数：

• name: 给保存的数据的命名;可以理解为图的标题；在 GRAPHS 中则是该节点的名字
• tensor: 要保存的tensor，在scalar函数中应该是一个标量，如当前的学习率、Loss等;

IMAGES(图像)

作用：

• 如果你的模型输入是图像，然后你想看看模型每次的输入图像是什么样的，以保证每次输入的图像没有问题（因为你可能在模型中对图像做了某种变换，而这种变换是很容易出问题的），IMAGES 面板就是干这个的，它可以显示出相应的输入图像，默认显示最新的输入图像，如下图：
  

函数原型：

tf.s