tensorboard --logdir “日志目录” 启动对应日志目录的TensorBoard可视化界面，TensorBoard读取指定日志目录将保存的数据信息进行展示
TensorBoard可视化界面地址：http://主机名:6006
卷积神经网络CNN中重要的构建单元卷积层：神经元在每个卷积层不是将图片转换为一维将所有像素作为输入而是将图片像素进行归纳汇总成感受野的像素作为输入即卷积层每层之间的神经元不是全连接
每层卷积层将上一层的图片像素按照指定方块大小（卷积核）进行特征抽取归纳总结（卷积）形成新的图片像素传递给下一层，最后一层卷积层的结果输入给FC全连接隐藏层进行分析
卷积的计算方式：
Filter卷积核（Convolution Kernels）矩阵中的每个位置与图片映射的对应位置进行相乘后相加和作为卷积后的值，卷积核按照指定的Stride（步长）进行相应移动计算下一个卷积值，所有卷积值组成卷积特征提取的结果矩阵特征图（Feature Map）
D为深度，F为Filter的大小（宽度或高度），Wdmn为Filter的第m行第n列权重，adij为图像第d层i行j列像素
Filter卷积核中中间列为1其他列为0即卷积核矩阵只有中间一列为1称为垂直线滤波器（Vertical line filter），中间行为1其他行为0即卷积核矩阵只有中间一行为1称为水平线滤波器（Horizontal line filter），不同的卷积核相当于在不同的角度或视角审视图片
步长为1进行卷积时可以进行填充（Padding）得到与源图片矩阵大小一样的特征图，一般填充为0（Zero Padding），填充后卷积以卷积核中心对应位置计算，Padding模式valid不使用Zero Padding可能忽略图像的右侧或底下，same必须使用Zero Padding输出神经元个数等于输入神经元个数除以步长向上取整