tensorboard使用记录

1、启动方法：
运行已经训练好的代码
使用命令

tensorboard --logdir=C:\Users\vip_g\logs

２、要重新编译代码、更新图怎么做？

1）要去logs目录下把文件删除
2）运行代码
3）重新执行启动tensorboard命令
4）刷新tensorboard界面

3、TensorBoard的使用流程
（1）添加记录节点：tf.summary.scalar/image/histogram()等
比如 ： tf.summary.scalar(“accuarcy_train”, accuracy_train) 对精确度的统计，第一个参数是名字，第二个参数是变量名
（2）汇总记录节点：merged = tf.summary.merge_all()
（3）运行汇总节点：summary = sess.run(merged)，得到汇总结果
（4）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
（5）调用日志书写器实例对象summary_writer的add_summary(summary, global_step=i)方法可依次将所有汇总日志写入文件：
把第i次迭代的结果summary添加到train_writer： summary_writer.add_summary(summary, i)
（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
summary_writer.close()

４、举例

import tensorflow as tf

#定义命名空间
# with tf.name_scope('input'):
#   #fetch：就是同时运行多个op的意思
#   input1 = tf.constant(3.0,name='A')#定义名称，会在tensorboard中代替显示
#   input2 = tf.constant(4.0,name='B')
#   input3 = tf.constant(5.0,name='C')
# with tf.name_scope('op'):
#   #加法
#   add = tf.add(input2,input3)
#   #乘法
#   mul = tf.multiply(input1,add)
# with tf.Session() as ss:
#   #默认在当前py目录下的logs文件夹，没有会自己创建
#   wirter = tf.summary.FileWriter('logs/',ss.graph)
#   result = ss.run([mul,add])
#   print(result)

with tf.name_scope('input'):
	input1=tf.constant(3.0,name='A')
	input2=tf.constant(4.0,name='B')
	input3=tf.constant(5.0,name='C')

with tf.name_scope('op'):
	#加法
	add=tf.add(input2,input3)
	#乘法
	mul=tf.multiply(input1,add)
with tf.Session() as ss:
	writer=tf.summary.FileWriter('logs/',ss.graph)
	result=ss.run([mul,add])
	print(result)

参考文章：

https://www.cnblogs.com/baby-lily/p/10931302.html
https://www.jianshu.com/p/2f1bc36c08e0

主要代码：
merged_summary_op = tf.summary.merge_all() # 合并所有的summary
summary_wirter = tf.summary.FileWriter(‘log/闪电near’, sess.graph)
tf.summary.scalar(‘loss’, cost)

summary_str = sess.run(merged_summary_op, feed_dict={X:train_x, Y:train_y})
summary_wirter.add_summary(summary_str, epoch)