深度学习五：tensorboard使用记录（windows）

TensorBoard 的可视化工具,可以用来展现你的 TensorFlow 图像，绘制图像生成的定量指标图以及附加数据。
tensorBoard的使用设计如下几个函数：

第一、创建一个事件文件

summary_waiter = tf.summary.FileWriter("log",tf.get_default_graph())

log是事件文件所在的目录，这里是工程目录下的log目录。第二个参数是事件文件要记录的图，也就是tensorflow默认的图。
第二、向时间文件写入数据

summary_waiter.add_summary(summary,a)

summary是要写入的事件汇总，a是一个可选的全局计数器，用来记录写入的次数。
第三、构建一个要写入事件文件的操作

tf.summary.histogram("count",state)

count是你要查看的变量的名字，state是这个变量
第四、合并事件汇总

summary_log = tf.summary.merge_all()

我们可能要查看很多的变量，这回生成很多个操作，我们使用上面的函数将其合并为一个操作。
下面是一个计数器的例子：

import tensorflow as tf

state = tf.Variable(0, name="counter")

one = tf.constant(1)
new_value = tf.add(state, one)
update = tf.assign(state, new_value)
init_op = tf.global_variables_initializer()
tf.summary.histogram("count",state)
with tf.Session() as sess:
    summary_waiter = tf.summary.FileWriter("log",tf.get_default_graph())
    summary_log = tf.summary.merge_all()
    sess.run(init_op)
    for a in range(1000):
        _,summary=sess.run([update,summary_log])
        summary_waiter.add_summary(summary,a)

计数器每增加一下，就写入一次事件。其实只写入state 这一个变量的值。
运行程序，会在log目录下生成一个文件，然后，运行tensorboard,如果你已经通过pip安装了 TensorBoard，你可以通过执行更为简单地命令来访问 TensorBoard

tensorboard --logdir=/path/to/log-directory

否则，你要找到tensorboard .py所在的目录，然后使用python 来运行它。
一旦 TensorBoard 开始运行，你可以通过在浏览器中输入 localhost:6006 来查看 TensorBoard。

我们的计数器会有什么样的图像呢？

在Scalars中，它的图像就是一条直线，这很容易理解。它的名字叫count,就是我们给他起的名字。

在graph一栏中，它很直观的展示了我们描绘的图，Assigh和add是两个操作节点，Counter是一个Summary，也就是我们的事件汇总。

在distributions一栏中它也是一条直线。

在histograms一栏中，我就看不懂它表示的含义了，求过路人指点下…