TensorFlow增加变量显示+tensorboard可视化

#加名空间：
with.tf.variable_scope(“name”):
a = tf.Variable(initial_value=50)
# 初始化变量
tf.global_variables_initializer().run()
#收集变量：
tf.summary.scalar(name=“”，tensor)    #收集loss和accuray等单值变量，name是变量的名字，tensor为值
tf.summary.histogram(name=””,tensor)  #收集高维度的变量参数
tf.summary.image(name,tensor)           #收集输入的图片张量能显示图片
#合并变量写入事件
marged=tf.summary.merge_all()
summary=sess.run(merged) # 每次迭代都需要运行
FileWriter.add_summary(summary,i) #i表示第几次的值
启动Tensorboard命令：tensorboard –logdir=”./tmp/summary/”  注意等于后面没有空格

例子

import tensorflow as tf
# 构建计算图
data1 = tf.constant(15, name="data1")
data2 = tf.constant(25, name="data2")
dataAdd = tf.add(data1, data2)
# 执行计算图
with tf.Session() as sess:
    print("dataAdd:", sess.run(dataAdd))
    # 添加TensorBoard可视化界面
    write = tf.summary.FileWriter('Z:/board', tf.get_default_graph())
    write.close()

在指定路径已经生产持久化文件，在指定目录中（Z:/board）打开cmd指定启动TensorBoard可视化工具名执行

tensorboard --logdir=log

通过这个地址可以访问该操作的可视化图: