要約は、主に以下の機能で使用TensorFlow可視化ツール、次のとおりです。
1、tf.summary.scalar（）2、tf.summary.merge_all（）3、tf.summary.FileWriter（）
tf.summary.scalar（「損失」、損失は）##、データ損失を収集するために使用され、「損失」と命名
merge_summary = tf.summary.merge_all（）##この機能は、すべてのディスクに要約のすべてを保存することができます
train_writer = tf.summary.FileWriter（train_save_dir、sess.graph）## tf.summary.FileWritterてFileWriter指定されたファイルに格納されたトレーニングプロセスデータ（パス、sess.graph）
.............................中間処理（クロスエントロピー、パラメータ最適化、等）........ ...................
範囲内のステップ（training_step）：
train_summary = sess.run（merge_summary、feed_dict = {........}）トレーニングプロセスデータのsess.run図生成ステップを呼び出し、##
いくつかの手順が保存されますadd_summary訓練プロセスやトレーニング方法のtrain_writerを呼び出し、## train_writer.add_summary（train_summary、ステップ）
tf.summary使用法の要約：
1、tf.summary.scalar：情報を表示するために使用されるスカラー
例如：tf.summary.scalar（ '平均'、平均値）
一般的な画像の損失で、accuaryはときに、この機能を使用することになります。
2、tf.summary.histogram：ヒストグラム情報を表示します
たとえば、次のようにtf.summary.histogram（ 'ヒストグラム'、VAR）
通常のトレーニングプロセス変数の分布を示すために使用
3、tf.summary.distribution：プロファイルは、典型的には、重みの分布を表示するために使用します
4、tf.summary.text：の概要にテキストタイプテンソルにデータを書き込むことができます
5、tf.summary.image：画像バンド画像probufの出力形式、次のように集約されたデータ。
'タグ/画像/ 0'、 'タグ/画像/ 1' ...、など：入力/画像/ 0などが挙げられます。
格式：tf.summary.image（タグ、テンソル、max_images = 3、コレクション=なし、名前=ノン
6、tf.summary.audio：訓練中に記録された表示オーディオ
7は、tf.summary.merge_all：merge_allすべての概要は、すべての表示をtensorboardするために、ディスクに保存することができます。一般的に、様々な情報を使用する特別な要件がない場合、トレーニングショーの時間がかかることがあります。
格式：tf.summaries.merge_all（キー= '要約'）
8、tf.summary.FileWriter：図を保存するファイルを指定します。
フォーマット：tf.summary.FileWritter（パス、sess.graph）
あなたは、ファイル指定してFileWriterに保存されているトレーニングプロセスデータにadd_summary（）メソッドを呼び出すことができます