Tensordoard简单运用

1.TensorBoard 使用流程

1.添加记录节点：tf.summary.scalar/image/histogram()等
    2.汇总记录节点：merged = tf.summary.merge_all()    
    3. 日志书写器实例化：summary_writer = tf.summary.FileWriter(logdir, graph=sess.graph)，实例化的同时传入 graph 将当前计算图写入日志
    4. 运行汇总节点：summary = sess.run(merged)，得到汇总结果
    5.调用日志书写器实例对象summary_writer的add_summary(summary, global_step=i)方法将所有汇总日志写入文件
    6.调用日志书写器实例对象summary_writer的close()方法写入内存，否则它每隔120s写入一次

2.示例代码

import tensorflow as tf
import numpy as np

## prepare the original data
with tf.name_scope('data'):
     x_data = np.random.rand(100).astype(np.float32)
     y_data = 0.3*x_data+0.1
     #1.添加记录节点
     tf.summary.histogram('x_data', x_data)
     tf.summary.histogram('y_data', y_data)
##creat parameters
with tf.name_scope('parameters'):
     with tf.name_scope('weights'):
           weight = tf.Variable(tf.random_uniform([1],-1.0,1.0))
           #1.添加记录节点
           tf.summary.histogram('weight',weight)

     with tf.name_scope('biases'):
           bias = tf.Variable(tf.zeros([1]))
           #1.添加记录节点
           tf.summary.histogram('bias',bias)
##get y_prediction
with tf.name_scope('y_prediction'):
     y_prediction = weight*x_data+bias
     #1.添加记录节点
     tf.summary.histogram('y_prediction', y_prediction)
##compute the loss
with tf.name_scope('loss'):
     loss = tf.reduce_mean(tf.square(y_data-y_prediction))
     #1.添加记录节点
     tf.summary.scalar('loss',loss)
     tf.summary.histogram('loss', loss)
##creat optimizer
optimizer = tf.train.GradientDescentOptimizer(0.5)
#creat train ,minimize the loss
with tf.name_scope('train'):
     train = optimizer.minimize(loss)
#creat init
with tf.name_scope('init'):
     init = tf.global_variables_initializer()
##creat a Session
sess = tf.Session()
#merged
#2.汇总记录节点：
merged = tf.summary.merge_all()
##initialize
#3. 日志书写器实例化
writer = tf.summary.FileWriter("logs/", sess.graph)
sess.run(init)
## Loop
for step  in  range(101):
    sess.run(train)
    # 4. 运行汇总节点：
    rs=sess.run(merged)
     #5.6.调用日志
    writer.add_summary(rs, step)
    writer.close()

3.运行tensorbord
注意logs文件是和在此代码的同一目录下的。
在终端运行（logs外边的目录下）： tensorboard --logdir logs

打开生成的网址即可。也可用 http://localhost:6006
。
用谷歌浏览器和火狐浏览器。其他浏览器可能不支持。
如果还是打不开网页。
在终端中打开上边代码（a.py）的文件位置。

python a.py
tensorboard --logdir logs

再打开tensorboard网址 。

参考：https://www.cnblogs.com/fydeblog/p/7429344.html
https://blog.csdn.net/gsww404/article/details/78605784
https://blog.csdn.net/gg_18826075157/article/details/78440766