第一步在 Spyder（TensorFlow）中輸入一下程式碼：

# View more python learning tutorial on my Youtube and Youku channel!!!

# Youtube video tutorial: https://www.youtube.com/channel/UCdyjiB5H8Pu7aDTNVXTTpcg
# Youku video tutorial: http://i.youku.com/pythontutorial

"""
Please note, this code is only for python 3+. If you are using python 2+, please modify the code accordingly.
"""
from __future__ import print_function
import tensorflow as tf

def add_layer(inputs, in_size, out_size, activation_function=None):
    # add one more layer and return the output of this layer
    with tf.name_scope('layer'):
        with tf.name_scope('weights'):
            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

# define placeholder for inputs to network
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')

# add hidden layer
l1 = add_layer(xs, 1, 10, activation_function=tf.nn.relu)
# add output layer
prediction = add_layer(l1, 10, 1, activation_function=None)

# the error between prediciton and real data
with tf.name_scope('loss'):
    loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),
                                        reduction_indices=[1]))

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

sess = tf.Session()

# tf.train.SummaryWriter soon be deprecated, use following
if int((tf.__version__).split('.')[1]) < 12 and int((tf.__version__).split('.')[0]) < 1:  # tensorflow version < 0.12
    writer = tf.train.SummaryWriter('logs/', sess.graph)
else: # tensorflow version >= 0.12
    writer = tf.summary.FileWriter("logs/", sess.graph)

# tf.initialize_all_variables() no long valid from
# 2017-03-02 if using tensorflow >= 0.12
if int((tf.__version__).split('.')[1]) < 12 and int((tf.__version__).split('.')[0]) < 1:
    init = tf.initialize_all_variables()
else:
    init = tf.global_variables_initializer()
sess.run(init)

# direct to the local dir and run this in terminal:
# $ tensorboard --logdir=logs

第二步執行這裡程式碼，一般人這裡都能成功不是問題。生成logs夾下面有好一個events開頭的檔案，示意圖如下：

第三步安裝一個Chrome瀏覽器，國內瀏覽器好像都不太行，也行我能力不行、Chrome不會安裝的直接用360助手就可以了。

第四步用管理員身份開啟anaconda prompt，在終端輸入activate TensorFlow示意圖如下：

在這裡輸入你logs資料夾目錄

cd /d E:\deep_learing_python_code\tensorflow_mofan\logs

跳入指定檔案目錄示意圖如下：

第五步接下來就是關鍵的一步了，單獨說出來

在終端中輸入tensorboard.exe --logdir=E://deep_learing-python_code//tensorflow_mofan//logs

或者tensorboard--logdir=E:/deep_learing-python_code/tensorflow_mofan/logs

你可以講tensorboard.exe改成tensorboard，我是隻是進去了沒有看到檔案內容

你也可以不用絕對路徑，你可能進入不了網站。

終端示意圖如下

CTRL C不一定能複製到，可能還要自己手動輸入CHROME瀏覽器中。

複製完後示意圖

說明你前面都成功了，恭喜你了進入最後一關了

將http://WIN-20180527QMD:6006

每個人的網站可能不一樣，將上一部複製的網站輸入到Chrome瀏覽器中

就可以看到如下：

可能會遇到防火牆，多試幾次就可以了。

成功後的路徑是這樣的

http://win-20180527qmd:6006/#graphs&run=.