摘要：
1.代码例子
2.主要功能
内容：
1.代码例子
《TensorFlow实战》使用MLP处理Mnist数据集并TensorBoard上显示
2.主要功能
执行TensorBoard程序，–logdir指定TensorFlow日志路径，TensorBoard自动生成所有汇总数据可视化结果。
例如：tensorboard –logdir=/tmp/tensorflow/mnist/logs/mnist_with_summaries ,将显示的网址（比如：localhost:6006）复制到浏览器。
打开标量SCALARS窗口，打开accuracy图表。调整Smoothing参数，控制曲线平滑处理，数值越小越接近实际值，波动大；数值越大曲线越平缓。图表下方按钮放大图片，右边按钮调整坐标轴范围。
切换图像IMAGES窗口，可以看到所有tf.summary.image()汇总数据。
打开计算图GRAPHS窗口，可以看到整个TensorFlow计算图结构，网络forward inference流程，backward训练更新参数流程。实线代表数据依赖关系，虚线代表控制条件依赖关系。节点窗口，看属性、输入、输出及tensor尺寸。“+”按钮，展示node内部细节。所有同一命名空间节点被折叠一起。右键单击节点选择删除。切换配色风络，基于结构，同结构节点同颜色；基于运算硬件，同运算硬件节点同颜色，Session runs，选择run_metadata训练元信息。
切换DISTRIBUTIONS窗口，看各个神经网络层输出分布，激活函数前后结果。看看有没有被屏蔽节点(dead neurons)。转为直方图。
EMBEDDINGS窗口，降维嵌入向量可视化效果。tf.save.Saver保存整个模型，TensorBoard自动对模型所有二维Variable可视化(只有Variable可以被保存，Tensor不行)。选择T-SNE或PCA算法对数据列(特征)降维，在3D、2D坐标可视化展示。对Word2Vec计算或Language Model非常有用。