9、TensorFlow教程--- TensorBoard可视化

TensorFlow包括一个称为TensorBoard的可视化工具，用于分析数据流图，也用于了解机器学习模型。TensorBoard的重要功能包括以垂直对齐的方式查看有关参数和任何图形的详细信息的各种类型的统计信息。

深度神经网络包括多达36,000个节点。TensorBoard有助于将这些节点折叠成高级块并突出显示相同的结构。这允许更好地分析图，重点关注计算图的主要部分。TensorBoard可视化被认为非常交互式，用户可以平移、缩放和展开节点以显示详细信息。

以下示意图表示了TensorBoard可视化的完整工作原理 -

这些算法将节点折叠成高级块，并突出显示具有相同结构的特定组，这些组将高度节点分开。因此，创建的TensorBoard对于调整机器学习模型非常有用，被视为同样重要。这个可视化工具是为配置日志文件而设计的，其中包含需要显示的摘要信息和详细信息。

让我们通过以下代码来关注TensorBoard可视化的演示示例 -

import tensorflow as tf 

# Constants creation for TensorBoard visualization 
a = tf.constant(10,name = "a") 
b = tf.constant(90,name = "b") 
y = tf.Variable(a+b*2,name = 'y') 
model = tf.initialize_all_variables() #Creation of model 

with tf.Session() as session: 
   merge