Keras可通过TensorBoard来可视化训练过程，以回调函数的形式提供TensorBoard的功能。
TensorBoard是TensorFlow提供的可视化工具，该回调函数将日志信息写入TensorBorad，使得你可以动态的观察训练和测试指标的图像以及不同层的激活值直方图。
keras.callbacks.TensorBoard(log_dir='./logs', histogram_freq=0, write_graph=True, write_images=False, embeddings_freq=0, embeddings_layer_names=None, embeddings_metadata=None)
参数
log_dir：保存日志文件的地址，该文件将被TensorBoard解析以用于可视化
histogram_freq：计算各个层激活值直方图的频率（每多少个epoch计算一次），如果设置为0则不计算。
write_graph: 是否在Tensorboard上可视化图，当设为True时，log文件可能会很大
- write_images: 是否将模型权重以图片的形式可视化
- embeddings_freq: 依据该频率(以epoch为单位)筛选保存的embedding层
- embeddings_layer_names:要观察的层名称的列表，若设置为None或空列表，则所有embedding层都将被观察。
- embeddings_metadata: 字典，将层名称映射为包含该embedding层元数据的文件名。如果所有的embedding层都使用相同的元数据文件，则可传递字符串。
在使用TensorBoard之前，需要安装TensorFlow，CPU下的安装方法可参考这里，GPU下的安装方法可参考这里。我们可以通过下面的命令来启动TensorBoard：
tensorboard --logdir=your_path