tensorboard的使用（以mnist数据集为例）

1. 导入模块
   #projector是tensorboard中的高维向量可视化模块

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
from tensorflow.contrib.tensorboard.plugins import projector

2. 载入数据集（mnist）
   #提前下载好mnist数据集放在MNIST_data文件夹中
   

mnist=input_data.read_data_sets('MNIST_data/',one_hot=True)

3. 初始化参数
   max_steps：整个数据集运行的次数
   image_num：从整个数据集中取出3000张手写数字图像作为本次训练网络的训练集
   DIR：文件的路径，MNIST_data的上一级目录
   

#运行次数
max_steps=1001
#图片数量
image_num=3000
#文件路径
DIR='E:/postgraduate_study/tensorflow_study/'

4. 定义一个对话

sess=tf.Session()

5. 正式载入图片

embedding=tf.Variable(tf.stack(mnist.test.images[:image_num],False,name='embedding'))

#embedding是将3000张图片组合再一起，形成一个数组
embedding的输出结果：
<tf.Variable ‘Variable:0’ shape=(3000, 784) dtype=float32_ref>
#解释tf.stack()，使用stack会将两个数组拼接在一起，并升维，当axis=0时，表示按照原来数组的顺序，直接组合升维即可；当axis=1时，表示分别取每个数组的第一行组成一个新数组，再抽取第二行组成一个新的数组，然后升维。

import tensorflow as tf
sess=tf.Session()
a=tf.constant([[1,2,3],[4,5,6]])
b=tf.constant([[7,8,9],[10,11,12]])
c=tf.stack([a,b],axis=0)
d=tf.stack([a,b],axis=1)
print(sess.run(a))
print