tensorboard是tensorflow自带的可视化工具

　　输入命令可以启动tensorboard服务。

tensorboard --logdir=your log dir

　　通过浏览器localhost:6006进入可视化界面，可以看到能够进行可视化的选项，包括

• SCALARS：显示训练过程中的损失值、准确率、权重偏置变化
• IMAGES：显示训练的图像
• AUDIO：显示训练的音频
• GRAPHS：可视化模型
• DISTRIBUTIONS：记录数据的分布
• HISTOGRAMS：数据的直方图
• EMBEDDINGS：词向量的投影

　　想用tensorboard展示哪些量，只需要在变量后添加tf.summary底下相应的函数即可，举个栗子

1 def loss(logits,label_batches):
2     cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits,labels=label_batches)
3     cost = tf.reduce_mean(cross_entropy)
4     tf.summary.scalar("loss",cost)
5     return cost

　　在scalars中展示损失值，只需要添加第4行所示代码即可。其余功能可以去官网查看。

　　最后，在想要可视化的地方进行汇总，一行代码就可以汇总截止到该代码之前的所有summary，添加代码：

summary_op = tf.summary.merge_all()

　　然后，使用如下代码，将summary保存下来，最终在目录下生成events.out....的文件。

train_writer = tf.summary.FileWriter(log_dir,sess.graph)

　　再session中执行的时候，使用下面两行代码运行汇总操作，第2行中的step是汇总的步数，你也可以规定多少个step后进行一次汇总。

1 summary = sess.run(summary_op)
2 train_writer.add_summary(summary,step)

实际展示的结果如下

SCALARS

IMAGES

GRAPHS

tensorboard实现训练的可视化