TensorBoard簡介
TensorBoard是TensorFlow自帶的一個強大的可視化工具，也是一個Web應用程序套件。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:展示訓練過程中的准確率、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柱狀圖。
（7）Embeddings:展示詞向量后的投影分部。
TensorBoard通過運行一個本地服務器，來監聽6006端口。在瀏覽器發出請求時，分析訓練時記錄的數據，繪制訓練過程中的圖像。TensorBoard的可視化界面如下圖所示
如圖相冊的菜單所示，可以依次繪制出主要功能的界面圖像，下面分別介紹這些菜單頁面具體功能，這里采用的是mnist_with_summaries的例子
Scalars面板
scalars面板的左側是一些選項，包括Ignore outlines in chart scaling（不按照整表的范文顯示）、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為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）如下圖所測所示，右側給出了准確率
和交叉熵損失函數值的變化曲線（迭代次數是1000次）。
Scalars面板中還繪制了每一層的偏置（biases）和權重（weights）的變化曲線，包括每次迭代的最大值、最小值、平均值和標准差等，如下圖所示
IMAGES面板
下圖展示了訓練數據及和測試數據集進過預處理后圖片的樣子
AUDIO面板
AUDIO面板是展示訓練過程中處理的音頻數據。mnist_with_summaries中不含有音頻例子，這里不做展示。
GRAPHS面板
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為數據流，連線
越粗，說明兩個結點之間流動的張量（tensor）越多。
在graph面板的左側，可以選擇迭代步驟。可以用不同的顏色來表示不同的Structrue(整個數據流圖的結構)，或者用不同的Color來表示不同的Device(設備)。例如
使用多個GPU時，各個節點分別使用的GPU不同。
當選擇特定的某次迭代（如第899次）時，可以顯示出各個節點的Compute time(計算時間)以及Memory(內存消耗)，如下圖所示
DISTRIBUTIONS面板
distributions面板和histograms面板類似，只不過是用平面來表示來自特定層的激活前后、權重和偏置的分布。下圖展示的是激活之前和激活之后
數據分布。
HISTOGRAMS面板
histograms面板立體的展來自特頂層的激活前后、權重和偏置的分布。下圖展示的是激活之前和激活之后的分布數據。
EMBEDDINGS面板
EMBEDDINGS面板在minst例子中無法展示。在以后的可視化例子中會有展示，這里先不做介紹。
以上就是tensorboard主要面板的介紹，下一次進行可視化例子的介紹。