以非线性回归为例使用tensorboard

tensorboard可视化网络及训练过程
具体的，首先要求环境中装有tensorboard
执行环境后，在logs根目录下执行tensorboard --logdir logs，然后谷歌浏览器打开http//:localhost:6006

代码中非tensorboard相关的代码注释见https://blog.csdn.net/Su_Mo/article/details/107568699

import tensorflow as tf
import numpy as np

# 在 add_layer() 方法中添加一个参数 n_layer,用来标识层数, 并且用变量 layer_name 代表其每层的名名称, 代码如下:
def my_layer(inputs, in_size, out_size, n_layer, activation_function=None):

    layer_name='layer%s'%n_layer  ## 标明是第几个层

    with tf.name_scope('layer'):
        with tf.name_scope('weights'):
            w = tf.Variable(tf.random_normal([in_size, out_size]))
            # 为层中的Weights设置变化图, tensorflow中提供了tf.summary.histogram()方法,用来绘制图片, 第一个参数是图表的名称, 第二个参数是图表要记录的变量
            tf.summary.histogram(layer_name + '/weights', w)

        with tf.name_scope('bias'):
            bias = tf.Variable(tf.zeros([1, out_size])+0.1)
            tf.summary