1.前言

本节内容会用到浏览器, 而且与 tensorboard 兼容的浏览器是 “Google Chrome”. 使用其他的浏览器不保证所有内容都能正常显示.

学会用 Tensorflow 自带的 tensorboard 去可视化我们所建造出来的神经网络是一个很好的学习理解方式. 用最直观的流程图告诉你你的神经网络是长怎样,有助于你发现编程中间的问题和疑问.

2.搭建网络图纸

2.1.定义输入

首先从 Input 开始，对于input我们进行如下修改： 首先，可以为xs指定名称为x_in，然后再次对ys指定名称y_in。

这里指定的名称将来会在可视化的图层inputs中显示出来
使用with tf.name_scope(‘inputs’)可以将xs和ys包含进来，形成一个大的图层，图层的名字就是with tf.name_scope()方法里的参数。

with tf.name_scope('inputs'):
    xs = tf.placeholder(tf.float32,[None,1],name = 'x_input')
    ys = tf.placeholder(tf.float32,[None,1],name = 'y_input')

2.2.定义layer层

在定义完大的框架layer之后，同时也需要定义每一个’框架‘里面的小部件：(Weights biases 和 activation function): 现在现对 Weights 定义： 定义的方法同上，可以使用tf.name.scope()方法，同时也可以在Weights中指定名称W。 即为：

import tensorflow as tf

def add_layer(inputs,in_size,out_size,activation_function):
    with tf.name_scope('layer'):    #命名域：tf.name_scope()   变量域：tf.variable_scope()
        with tf.name_scope('weight'):
            Weights = tf.Variable(tf.random_normal([in_size,out_size]), name='W')
        with tf.name_scope('biases'):
            biases = tf.Variable(tf.zeros([1,out_size])+0.1,name='b')
        with tf.name_scope('Wx_plus_b'):
            Wx_plus_b = tf.add(tf.matmul(inputs,Weights),biases)
        if activation_function is None:
            outputs = Wx_plus_b
        else:
            outputs = activation_function(Wx_plus_b)
        return outputs

最后编辑loss部分：将with tf.name_scope()添加在loss上方，并为它起名为loss

with tf.name_scope('loss'):
    loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))

使用with tf.name_scope()再次对train_step部分进行编辑,如下：

with tf.name_scope('train'):
    train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)

2.3.保存绘制的图到目录

我们需要使用 tf.summary.FileWriter() (tf.train.SummaryWriter() 这种方式已经在 tf >= 0.12 版本中摒弃) 将上面‘绘画’出的图保存到一个目录中，以方便后期在浏览器中可以浏览。 这个方法中的第二个参数需要使用sess.graph ， 因此我们需要把这句话放在获取session的后面。 这里的graph是将前面定义的框架信息收集起来，然后放在logs/目录下面。

sess = tf.Session()
writer = tf.summary.FileWriter('logs/',sess.graph)
init = tf.global_variables_initializer()
sess.run(init)

2.4.浏览器查看绘制的图

最后在你的terminal（终端）中 ，使用以下命令

$ tensorboard --logdir='logs/'

同时将终端中输出的网址（http://localhost:6006）复制到浏览器中，便可以看到之前定义的视图框架了。

tensorboard 还有很多其他的参数，希望大家可以多多了解, 可以使用 tensorboard --help 查看tensorboard的详细参数