1.tf.summary.scalar
解析：一般在画loss、accuary时会用到这个函数。
2.tf.summary.histogram
解析： tf.summary.histogram(tags, values, collections=None, name=None)，一般用来显示训练过程中变量的分布情况。
3.tf.summary.distribution
解析：一般用于显示weights分布。
4.tf.summary.text
解析：可以将文本类型的数据转换为tensor写入summary中。
5.tf.summary.merge_all
解析：merge_all可以将所有summary全部保存到磁盘，以便tensorboard显示。
6.tf.summary.FileWriter
解析：tf.summary.FileWritter(path,sess.graph)，指定一个文件用来保存图。
7.tf.summary.merge
解析：tf.summary.merge(inputs, collections=None, name=None)
说明：TensorBoard相关操作还有tf.summary.image、tf.summary.audio等。
8.tf.name_scope()
解析：为Graph中的Tensor添加层级，TensorBoard会按照代码指定的层级进行展示，初始状态下只绘制最高层级的效果，点击后可展开层级看到下一层的细节。
9.tf.square()
解析：对里面的每一个元素求平方。
10.tf.reduce_sum()函数
解析：用于计算张量tensor沿着某一维度的和，如下所示：
tf.reduce_sum(
input_tensor,
axis=None,
keepdims=None,
name=None,
reduction_indices=None,
keep_dims=None)
[1]input_tensor：待求和的tensor
[2]axis：指定的维，如果不指定，则计算所有元素的总和
[3]keepdims：是否保持原有张量的维度，设置为True，结果保持输入tensor的形状，设置为False，结果会降低维度，如果不传入这个参数，则系统默认为False
[4]name：操作的名称
[5]reduction_indices：在以前版本中用来指定轴，已弃用
[6]keep_dims：在以前版本中用来设置是否保持原张量的维度，已弃用
11.tf.reduce_sum()例子
解析：假如tensor的维度为234：
[[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]],
[[ 13 14 15 16]
[ 17 18 19 20]
[ 21 22 23 24]]]
tf.reduce_sum(tensor, axis=0)按第一个维度进行求和：
[[1+13 2+14 3+15 4+16]
[5+17 6+18 7+19 8+20]
[9+21 10+22 11+23 12+24]]
如果axis=1，那么求和结果shape是2*4：
[[ 1 + 5 + 9 2 + 6+10 3 + 7+11 4 + 8+12]
[13+17+21 14+18+22 15+19+23 16+20+24]]
如果axis=2，那么求和结果shape是2*3：
[[1+2+3+4 5+6+7+8 9+10+11+12]
[13+14+15+16 17+18+19+20 1+22+23+24]]
12.tf.reduce_mean()
解析：tf.reduce_mean()函数用于计算张量tensor沿着指定的数轴上的平均值。
参考文献：
[1]
[2]
[3]
[4]
[5]