深度學習五：tensorboard使用記錄（windows）

TensorBoard 的可視化工具,可以用來展現你的 TensorFlow 圖像，繪製圖像生成的定量指標圖以及附加數據。
tensorBoard的使用設計如下幾個函數：

第一、創建一個事件文件

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

log是事件文件所在的目錄，這裏是工程目錄下的log目錄。第二個參數是事件文件要記錄的圖，也就是tensorflow默認的圖。
第二、向時間文件寫入數據

summary_waiter.add_summary(summary,a)

summary是要寫入的事件彙總，a是一個可選的全局計數器，用來記錄寫入的次數。
第三、構建一個要寫入事件文件的操作

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

count是你要查看的變量的名字，state是這個變量
第四、合併事件彙總

summary_log = tf.summary.merge_all()

我們可能要查看很多的變量，這回生成很多個操作，我們使用上面的函數將其合併爲一個操作。
下面是一個計數器的例子：

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)

計數器每增加一下，就寫入一次事件。其實只寫入state 這一個變量的值。
運行程序，會在log目錄下生成一個文件，然後，運行tensorboard,如果你已經通過pip安裝了 TensorBoard，你可以通過執行更爲簡單地命令來訪問 TensorBoard

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

否則，你要找到tensorboard .py所在的目錄，然後使用python 來運行它。
一旦 TensorBoard 開始運行，你可以通過在瀏覽器中輸入 localhost:6006 來查看 TensorBoard。

我們的計數器會有什麼樣的圖像呢？

在Scalars中，它的圖像就是一條直線，這很容易理解。它的名字叫count,就是我們給他起的名字。

在graph一欄中，它很直觀的展示了我們描繪的圖，Assigh和add是兩個操作節點，Counter是一個Summary，也就是我們的事件彙總。

在distributions一欄中它也是一條直線。

在histograms一欄中，我就看不懂它表示的含義了，求過路人指點下…