tensorboard的可視化對我們應用tensorflow框架調參，或者寫論文都有一定幫助。
如有理解不到位的地方，敬請指正。
最近在跑DCGAN的代碼，正好藉此學習。
參考博客：https://blog.csdn.net/wgj99991111/article/details/84708255
https://blog.csdn.net/jk981811667/article/details/78864215
https://www.jianshu.com/p/db9dcb275fc6
1、Tensorboard簡介
TensorBoard目前支持7種可視化，Scalars,Images,Audio,Graphs,Distributions,Histograms和Embeddings。其中可視化的主要功能如下。
（1）Scalars:展示訓練過程中的常亮，如準確率、損失值、權重/偏置的變化情況。
（2）Images:展示訓練過程中記錄的圖像。
（3）Audio:展示訓練過程中記錄的音頻。
（4）Graphs:展示模型的數據流圖，以及訓練在各個設備上消耗的內存和時間。
（5）Distributions:展示訓練過程中記錄的數據的分部圖。
（6）Histograms:展示訓練過程中記錄的數據的直方圖。
（7）Embeddings:展示詞向量後的投影分部。
我們關鍵使用Scalars、Image、Graphs、Distribution、Histograms等
通過 在logs目錄下運行 tensorboard --logdirs=logs/ 命令可讀取訓練時的logs文件，返回一個網址，在本地打開。
如果提示沒有tensorboard命令，而tensorboard已經安裝成功。可以通過python2 ../tensorboard/tensorboard.py --logdirs=logs/ 具體看python2與python3中tensorboard文件夾內的主函數的位置
如下圖： 7個功能在最上方標題欄。
2、Scalars
Scalars 標量。顯示固定常數值。
data downloadlinks(數據下載鏈接)，smoothing(圖像的曲線平滑程度)以及Horizontal Axis(水平軸)的表示，其中水平軸的表示分爲3種（STEP代表迭代次數，RELATIVE代表按照訓練集和測試集的相對值，WALL代表按照時間）
這個損失d_loss降的比較小，g_loss穩定在3左右，訓練不是很好，GAN真的很難收斂 啊 ！
3、Image
展示生成器生成的一些照片示例。
10 表示只顯示10張
4、Graphs
GRAPHS面板是對理解神經網絡結構最優幫助的一個面板，他直觀的展示了數據流圖。下圖界面中結點之間的連線即爲數據流，連線越粗，說明兩個結點之間流動的張量（tensor）越多。
可參考https://www.jianshu.com/p/db9dcb275fc6，理解的很透徹。
5、Distribution
distributions面板和histograms面板類似，只不過是用平面來表示，且他們的數據源是相同的。他們都是用來顯示張量的。直方圖使用來統計頻率信息的，distributions是在平面上表示一個張量每個值出現次數（顏色深淺）。這裏可能看histograms比較直觀。
上圖顯示的是輸入生成器的隨機噪聲Z，其是100維的張量。橫軸爲訓練的次數，縱座標爲取值範圍，用不同的顏色表示取某個區域值的頻次，顏色越深表示出現的頻次越多。從上圖可以看出，該噪聲值在1.78e*-16附近顏色最深，也就是說在這個附近取值頻次最高。
上圖分別是判別器對真實數據的loss值d 和判別器對生成數據的loss值d_，返回的應該是一個[batch_size， 1]維的張量，所以用distributions面板和histograms均可以表示，先來看distributions。左圖橫軸迭代次數，縱軸表示取值範圍，顏色表示一次迭代取樣時的張量中的頻數，可以看出來，訓練不是很穩定，情況好的時候大部分靠近1，也有大部分接近於0的情況。右圖意思一樣。
6、 histograms
histograms是distributions三維展示，同樣對於張量Tensor來說，統計一個張量中每個數出現的次數，在三維中也就是高度。如下圖。
直方圖有兩種展現形式，overlay和offset。
OFFSET下：
該圖的橫座標表示d_loss的範圍，右側的總座標表示訓練測次數，對應的圖形中曲線的顏色由後至前逐步變淺，表示訓練的次數逐步增加。圖形中包含很多個曲線的切片，每個切片表示一次數據採集過程中的情況。從圖中可以看出判別器對真實數據的loss張量內每個loss出現的頻次。
OVERLAY:
上圖黑線表示，在迭代52606次後，在[batch_size,1]的張量中，loss值爲0.0502時出現了6.26次。