Tensorboard是Tensorflow的可视化工具，可以通过Tensorflow程序运行过程中最新输出的日志文件可视化Tensorflow程序的运行状态；
若想输出一个关于图中某个节点的变化过程，可在节点处附加scalar_summary，histogram_summary等summary操作运算来收集输出的变化信息；
使用tf.merge_all_summaries可将所有操作合并为一个操作；
将汇总数据写入磁盘，需要将汇总的protobuf对象传递给tf.train.Summarywriter；其中参数logdir指定目录；可选参数GraphDef指定图；
Tensorboard运行，可在浏览器输入localhost:6006来查看Tensorboard；或在命令行输入tensorboard --logdir=你所指定的目录路径；
（浏览器端输入http://localhost:6006）
Tensorflow图表有两种连接关系：数据依赖和控制依赖。数据依赖显示两个操作之间的tensor流程，用实心箭头指示，而控制依赖用电线表示。
Tensorflow程序读取数据三种方法：
由python代码供给数据（通过给run()或者eval()函数输入feed_dict参数启动运算过程），在图中设计placeholder节点的唯一意图是为了提供数据供给的方法；
让一个输入管线从文件中读取数据（从csv文件中读取数据，需要使用TextLineReader和decode_csv操作，从二进制文件中读取固定长度记录，可以使用tf.FixedLengthReader的tf.decode_raw操作，此操作可以将一个字符串转换为一个unit8的张量）；（把样本数据写入TFRecords二进制文件，再从队列中读取）
在tensorflow图中定义常量来保存所有数据；
Tensorboard能可视化的数据类型:
1.summary类：负责汇总数据并写入事件文件；
2.tf.summary.image:图像仪表盘；
tf.summary.audio:音频仪表盘；
scalars:标量仪表盘（学习率，损失值，权重/偏置，准确率等）
histogram:张量仪表盘，直方图记录数据的变化趋势；
distributtions:张量仪表盘，另一种直方图记录数据规律；
Embedding projector:数据可视化分析高维数据，从保存的checkpoint文件读取数据，默认使用PCA主成分分析法（另一种T-SNE），也可以使用其他元数据配置，如词汇文件或sprite图片；
text:文本仪表盘，显示文本文段，包括超链接，列表和表格在内的markdown功能等；
pr_curve：显示岁时间变化的pr曲线；
PROFILE：配置文件仪表盘，可调试优化程序；（特殊权限才可访问）
如图，Tensorboard的基本操作：
