TensorFlow包含一個可視化工具 - TensorBoard。它用於分析數據流圖，也用於理解機器學習模型。TensorBoard的重要功能包括有關垂直對齊中任何圖形的參數和詳細信息的不同類型統計信息的視圖。
深度神經網絡包括有36,000個節點。TensorBoard有助於在高級塊中折疊這些節點並突出顯示相同的結構。這允許更好地分析關註計算圖的主要部分的圖。TensorBoard可視化非常具有交互性，用戶可以平移，縮放和擴展節點以顯示詳細信息。
以下示意圖表示TensorBoard可視化的完整工作 -

算法將節點折疊為高級塊，並突出顯示具有相同結構的特定組，這些組將高度節點分開。由此創建的TensorBoard非常有用，並且對於調整機器學習模型同樣重要。此可視化工具專為配置日志文件而設計，包含需要顯示的摘要信息和詳細信息。
閱讀在以下代碼，它用於實現TensorBoard可視化的演示示例 -

import tensorflow as tf 

# Constants creation for TensorBoard visualization 

a = tf.constant(10,name = "a") 
b = tf.constant(90,name = "b") 
y = tf.Variable(a+b*2,name = 'y') 
model = tf.initialize_all_variables() #Creation of model 

with tf.Session() as session: 
   merged = tf.merge_all_summaries() 
   writer = tf.train.SummaryWriter("/tmp/tensorflowlogs",session.graph) 
   session.run(model) 
   print(session.run(y))

下表顯示了用於節點表示的TensorBoard可視化的各種符號