[AI教程]TensorFlow入门：使用TensorBoard和MNIST数据集实现监控指标可视化

TensorBoard介绍

TensorBoard是TensorFlow的可视化工具，它可以通过TensorFlow程序运行过程中输出的日志文件可视化TensorFlow程序的运行状态。TensorFlow和TensorBoard程序跑在不同的进程中，TensorBoard会自动读取最新的TensorFlow日志文件，并呈现当前程序运行的最新状态。下面通过使用MNIS数据集创建一个简单的神经网络实现对某一参数的可视化。

第一步下载MNIST数据集

下载方式（1）登录MNIS数据集官网选择性下载The Mnist Database of handwritten digits
下载方式（2）本地直接导出；
train-images-idx3-ubyte.gz ：train-images
train-labels-idx1-ubyte.gz：train-labels
t10k-images-idx3-ubyte.gz：test-images
10k-labels-idx1-ubyte.gz：test-labelst
把下载的数据集放到自己定义文件夹下，我这里定义的文件夹是：MNIST_data
代码中读入数据集方式有两种如下：

• 数据集和代码文件在一个根目录下

mnist = input_data.read_data_sets("MNIST_data",one_hot=True) #数据集和代码在一个目录下

• 数据集放在指定的路径下

mnist = input_data.read_data_sets(r"C:\Users\Administrator\Desktop\MNIST_data",one_hot=True) #数据集路径

第二步代码测试

（1）确定Windows或者Linux下TensorFlow框架可行，如果没有安装可参照Windows下Anaconda和TensorFlow安装
（2）新建一个可视化.py文件，我这里命名为 Visualization .py，保存到和数据集一个目录下，其中

writer = tf.summary.FileWriter('/tmp/log', sess.graph) #写入到的位置（C盘根目录）

测试代码如下：

import tensorflow as tf  
from tensorflow.examples.tutorials.mnist import input_data    
mnist = input_data.read_data_sets("MNIST_data",one_hot=True)  
n_batch = mnist.train.num_examples // batch_size  
#定义函数
def variable_summaries(var):
    with tf.name_scope('summaries'):
        mean = tf.reduce_mean(