TensorFlow2：tensorboard可视化

tensorboard是TensorFlow自带的可视化工具，主要有
Scalars、graphs、distributions、histograms、Timer Series几个部分
scalars中含有训练过程中的学习率、损失、精确率随迭代次数变化曲线，并且可以把数据下载成csv文件形式
graphs中是训练过程的计算图，如下所示，包含了所用优化器、损失计算等过程
distributions、histograms是训练过程中模型权重的分布情况和分布直方图
总的来说scalars可以帮助我们记录模型训练过程的识别率等随迭代次数的变化情况，可以判断模型收敛情况。而graphs、distributions、histograms只能大概反映模型的一些信息，并没有多大实际意义。

tensorboard具体操作

最简单的方法是使用keras框架下compile、fit、evaluate的tensorboard可视化，步骤相对简单
（1）定义tensorboard类

tensorboard = tf.keras.callbacks.TensorBoard(histogram_freq=1)

（2）在fit函数中加入callbacks

model.fit(dataset,epochs=num_epoch,callbacks=[tensorboard])

即可自动在logs/train目录下生成日志文件

（3）在cmd命令框中激活anaconda环境（安装TensorFlow2的那个）输入

tensorboard --logdir=G:\appx64\py\PythonApplication2\PythonApplication2\logs\train

前面为路径

（4）在浏览中转到http://localhost:6006/即可打开