TensorBoard是Tensorflow的可视化工具，可以通过Tensorflow程序运行中输出的日志文件可视化Tensorflow程序的运行状态。不得不说，TensorBoard是TensorFlow这个框架相对其他框架来讲做的很出色的一个工具。

本文通过一个Mnist分类的例子，说明如何使用TensorBoard。

本文的代码可以在GitHub下载：
https://github.com/loveunk/machine-learning-deep-learning-notes/blob/master/tensorflow/code/tensorflow.keras.mnist.classifier.py

TensorBoard的工作原理

在TensorFlow的程序里将相关的events等以log的形式保存，在运行TensorBoard后自动加载log文件并以良好的图表呈现在web页面中。方便开发者查看训练过程和结果数据。

因此TensorBoard的使用过程分两步：

1. 生成log
2. 加载log、呈现数据

TensorFlow中生成log文件

例如利用tf api显示的保存log：

file_writer = tf.summary.FileWriter('./log_dir', sess.graph)

或者在keras中以callback的形式保存log：

model.fit_generator(datagen.flow(X_train, Y_train, batch_size=batch_size),
                              epochs=epochs,
                              validation_data=(X_val, Y_val),
                              verbose=2,
                              steps_per_epoch=X_train.shape[0] // batch_size,
                              callbacks=[learning_rate_reduction, tf.keras.callbacks.TensorBoard(log_dir='./log_dir')])

本文基于后一种做演示。

启动TensorBoard，读取log文件

需要注意，我的环境为Anaconda，因此需要再Anaconda Prompt中启动TensorBoard：

tensorboard --logdir="C:\Users\loveunk\dl\tensorflow.keras.samples\log_dir\"

启动后会再terminal中提示你端口号：

TensorBoard 1.13.1 at http://localhost:6006 (Press CTRL+C to quit)

浏览器中启动TensorBoard

浏览器中打开如上的地址http://localhost:6006，直接呈现结果。

例如下图以曲线图的形式呈现了25个epochs的accuracy、loss、validation accuracy、loss等等。

同时可以查看Model的图形化展示：

当然上面只是简单的介绍了TensorBoard的用法，其实它功能丰富，待慢慢补充。