TensorBoard是TensorFlow的可视化工具
通过TensorFlow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态。
TensorBoard和TensorFlow程序在不同的进程中
案例：
代码
import tensorflow as tf#导入tensorflow模型 tf.reset_default_graph()#TensorBoard清楚默认图和不断增加的节点 #通过变量赋值输出1+2+3+……10 value=tf.Variable(0,name="value") sums=tf.Variable(0,name="sums") one=tf.constant(1) new_value=tf.add(value,one) update_value = tf.assign(value, new_value) new_sum = tf.add(sums,value) update_sum = tf.assign(sums,new_sum) init=tf.global_variables_initializer() with tf.Session() as sess: sess.run(init) for _ in range(10): sess.run(update_value) sess.run(update_sum) print(sess.run(sums)) logdir='D:/pycharm project/logs'#TensorBoard文件存放路径 #TensorBoard生成一个写日志的writer，并将当前的tensorflow计算图写入日志 writer=tf.summary.FileWriter(logdir,tf.get_default_graph()) writer.close()
启动TensorBoard
TensorBoard不需要额外安装，在TensorFlow安装是自动完成
在Anaconda Prompt中输入:tensorboard --logdir=/path/
或者在pycharm的terminal中输入：tensorboard --logdir=/path/
然后在浏览器输入：http://localhost:6006
