聊了許多TensorFlow，不能不講到TensorBoard啦!TensorBoard是TensorFlow的視覺化工具包。TensorBoard 提供機器學習實驗所需的視覺化呈現和工具，今天我們就來聊聊TesnsorBoard吧!

TensorBoard是什麼?

對一般使用者來說，TensorFlow深度神經網路所呈現出的內容會很複雜，某些環節出錯也很難除錯，為了便於使用者理解你所訓練的網路，也便於除錯程式，Google才會推出TensorBoard。TensorBoard可以視覺化圖的結構，顯示引數隨著迭代次數的變化，以及它的分佈圖，顯示你訓練使用的資料，可以顯示很多理解和除錯你的網路所需要的東西。要顯示什麼也是可以在程式碼中進行控制的，可以這樣理解，tensorboard並不是只要你訓練了一個網路就會自動生成對應的board，它需要你在程式碼中加入相應的元件才可以顯示到tensorboard中。
引用自https://www.itread01.com/content/1545304892.html

TensorBoard特點

• 追蹤損失和準確率等指標，並以視覺化的方式呈現
• 以視覺化的方式呈現模型圖 (運算和層)
• 檢視權重、偏誤或其他張量隨時間變化的直方圖
• 將嵌入投影至較低維度的空間
• 顯示圖片、文字和音訊資料
• 剖析 TensorFlow 程式
  引用自https://www.tensorflow.org/tensorboard?hl=zh-tw

建立TensorBoard
用較為視覺化的方式對筆者來說較為簡單，不然單看TensorFlow呈現出的資料還是有些困難

1. 首先我們一樣要建立TensorBoard，輸入以下程式碼:

import tensorflow as tf
width=tf.placeholder("int32",name='w')
height=tf.placeholder("int32",name='h')
area=tf.multiply(w,h,name='a')

with tf.Session() as sess:
init = tf.global_variables_initializer()
sess.run(init)
print('area=',sess.run(a,feed_dict={w: 6,h: 8}))

筆者使用的name參數為w，h，a
輸入完並按下執行後，再繼續輸入以下程式碼:

tf.summary.merge_all()
train_writer = tf.summary.FileWriter('log/area',sess.graph)

輸入完即可把TensorBoard的資料輸入進log檔中啦!
簡單介紹一下剛剛所鍵入的程式碼:
tf.summary.merge_all(): 將所有資料整合
tf.summary.FileWriter: 寫入log檔，即會存取於log/area這個地方

3. 接著我們就可以在windows中啟動啦!

今天簡單介紹了一下TensorBoard，倒數2天啦，再接再厲啦!

Reference: https://www.tensorflow.org/tensorboard?hl=zh-tw
Reference: https://www.itread01.com/content/1545304892.html
Reference: 林大貴(2019)：TensorFlow+Keras 深度學習人工智慧實務應用。新北市：博碩文化