數據序列化　

TensorBoard 通過讀取 TensorFlow 的事件文件來運行。TensorFlow 的事件文件包括了你會在 TensorFlow 運行中涉及到的主要數據。下面是 TensorBoard 中匯總數據（Summary data）的大體生命周期。

首先，創建你想匯總數據的 TensorFlow 圖，然後再選擇你想在哪個節點進行匯總(summary)操作。

比如，假設你正在訓練一個卷積神經網絡，用於識別 MNISt 標簽。你可能希望記錄學習速度(learning rate)的如何變化，以及目標函數如何變化。通過向節點附加scalar_summary操作來分別輸出學習速度和期望誤差。然後你可以給每個 scalary_summary 分配一個有意義的 標簽

或者你還希望顯示一個特殊層中激活的分布，或者梯度權重的分布。可以通過分別附加 histogram_summary 運算來收集權重變量和梯度輸出。

所有可用的 summary 操作詳細信息，可以查看summary_operation文檔。

在TensorFlow中，所有的操作只有當你執行，或者另一個操作依賴於它的輸出時才會運行。我們剛才創建的這些節點（summary nodes）都圍繞著你的圖像：沒有任何操作依賴於它們的結果。因此，為了生成匯總信息，我們需要運行所有這些節點。這樣的手動工作是很乏味的，因此可以使用tf.merge_all_summaries來將他們合並為一個操作。

然後你可以執行合並命令，它會依據特點步驟將所有數據生成一個序列化的Summary protobuf對象。最後，為了將匯總數據寫入磁盤，需要將匯總的protobuf對象傳遞給tf.train.Summarywriter。

SummaryWriter 的構造函數中包含了參數 logdir。這個 logdir 非常重要，所有事件都會寫到它所指的目錄下。此外，SummaryWriter 中還包含了一個可選擇的參數 GraphDef。如果輸入了該參數，那麽 TensorBoard 也會顯示你的圖像。

現在已經修改了你的圖，也有了 SummaryWriter，現在就可以運行你的神經網絡了！如果你願意的話，你可以每一步執行一次合並匯總，這樣你會得到一大堆訓練數據。這很有可能超過了你想要的數據量。你也可以每一百步執行一次合並匯總。

1. Tensorboard介紹

1.1 Tensorboard的數據形式

Tensorboard可以記錄與展示以下數據形式：
（1）標量Scalars
（2）圖片Images
（3）音頻Audio
（4）計算圖Graph
（5）數據分布Distribution
（6）直方圖Histograms
（7）嵌入向量Embeddings

1.2 Tensorboard的可視化過程

（1）首先肯定是先建立一個graph,你想從這個graph中獲取某些數據的信息

（2）確定要在graph中的哪些節點放置summary operations以記錄信息
使用tf.summary.scalar記錄標量
使用tf.summary.histogram記錄數據的直方圖
使用tf.summary.distribution記錄數據的分布圖
使用tf.summary.image記錄圖像數據

（3）operations並不會去真的執行計算，除非你告訴他們需要去run,或者它被其他的需要run的operation所依賴。而我們上一步創建的這些summary operations其實並不被其他節點依賴，因此，我們需要特地去運行所有的summary節點。但是呢，一份程序下來可能有超多這樣的summary 節點，要手動一個一個去啟動自然是及其繁瑣的，因此我們可以使用tf.summary.merge_all去將所有summary節點合並成一個節點，只要運行這個節點，就能產生所有我們之前設置的summary data。

（4）使用tf.summary.FileWriter將運行後輸出的數據都保存到本地磁盤中

（5）運行整個程序，並在命令行輸入運行tensorboard的指令，之後打開web端可查看可視化的結果

使用tensorboard --logdir=來進行展示

TensorBoard:可視化學習