摘要：
1.代碼例子
2.主要功能
內容：
1.代碼例子
《TensorFlow實戰》使用MLP處理Mnist數據集並TensorBoard上顯示
2.主要功能
執行TensorBoard程序，–logdir指定TensorFlow日志路徑，TensorBoard自動生成所有匯總數據可視化結果。
例如：tensorboard –logdir=/tmp/tensorflow/mnist/logs/mnist_with_summaries ,將顯示的網址（比如：localhost:6006）復制到瀏覽器。
打開標量SCALARS窗口，打開accuracy圖表。調整Smoothing參數，控制曲線平滑處理，數值越小越接近實際值，波動大；數值越大曲線越平緩。圖表下方按鈕放大圖片，右邊按鈕調整坐標軸范圍。
切換圖像IMAGES窗口，可以看到所有tf.summary.image()匯總數據。
打開計算圖GRAPHS窗口，可以看到整個TensorFlow計算圖結構，網絡forward inference流程，backward訓練更新參數流程。實線代表數據依賴關系，虛線代表控制條件依賴關系。節點窗口，看屬性、輸入、輸出及tensor尺寸。“+”按鈕，展示node內部細節。所有同一命名空間節點被折疊一起。右鍵單擊節點選擇刪除。切換配色風絡，基於結構，同結構節點同顏色；基於運算硬件，同運算硬件節點同顏色，Session runs，選擇run_metadata訓練元信息。
切換DISTRIBUTIONS窗口，看各個神經網絡層輸出分布，激活函數前后結果。看看有沒有被屏蔽節點(dead neurons)。轉為直方圖。
EMBEDDINGS窗口，降維嵌入向量可視化效果。tf.save.Saver保存整個模型，TensorBoard自動對模型所有二維Variable可視化(只有Variable可以被保存，Tensor不行)。選擇T-SNE或PCA算法對數據列(特征)降維，在3D、2D坐標可視化展示。對Word2Vec計算或Language Model非常有用。