TensorBoard是TensorFlow下的一个可视化的工具，能在训练大规模神经网络时将复杂的运算过程可视化。TensorBoard能展示你训练过程中绘制的图像、网络结构等。
首先给出一个Tensorboard计算图的例子，后面给出常遇问题及解决方案。
下面是Tensorflow生成计算图的代码示例,即可在'./log'路径下得到计算图文件
import tensorflow as tf
import numpy as np
#创建计算图会话
sess = tf.Session()
my_array = np.array([[1.,3.,5.,7.,9.],[-2.,0.,2.,4.,6.],[-6.,-3.,0.,3.,6.]])
x_vals = np.array([my_array,my_array+1])
#创建占位符及变量
x_data = tf.placeholder(tf.float32,shape=(3,5))
m1 = tf.constant([[1.],[0.],[-1.],[2.],[4.]])
m2 = tf.constant([[2.]])
m3 = tf.constant([[10.]])
#创建层
prod1 = tf.matmul(x_data,m1)
prod2 = tf.matmul(prod1,m2)
prod3 = tf.add(prod2,m3)
for x in x_vals:
print(sess.run(prod2,feed_dict={x_data:x}))
#计算图路径及保存
log_dir = './logfile'
summary_writer = tf.summary.FileWriter(log_dir, sess.graph)
其次通过在Window系统下doc，通过cd+路径命令将位置放置在程序运行根目录下，输入以下代码：
tensorboard --logdir=logfile即可得到如图所示链接
在将链接放置在谷歌浏览器上即可得到计算图。
问题一：无法运行tensorboard
解决方案：首先确保tensorboard存在或者安装正确，可以通过在doc上运行pip show tensorboard，如图所示，如果没有任何信息，则有两种可能，一种是没有安装或者安装失败，此时需要安装tensorboard，Pip install tensorboard ，另外一种则是pip没有加入环境变量，可通过计算机-属性-环境变量-path将F:\python\Anaconda\envs\ame\Scripts（示例）Scrpts路径加入其中。
问题二：Tensorboard文件生成没有错误，但是使用谷歌浏览器打不开或者出现
No dashboards are active for the current data set.字眼
解决方案：
（1）确定采用谷歌浏览器，并尝试将其升级（浏览器版本太低）。
（2）如果你想要开启另外一个新的计算图，一定要把原来的cmd命令行窗口关闭，再重复上述步骤，不然打开的将依然是上一个计算图。也可以通过按ctrl+c将上一个计算图关闭
（3）由于按了ctrl+c将端口关闭（注意观察cmd命令行是否处于阻塞状态，若果没有，则该端口已经关闭，当然在浏览器上看不到）
（4）端口问题。这里给出两种解决方案：a.尝试采用http://localhost:6006，这是由于tensroflow版本问题导致。
b.修改命令如下图所示：该方法是更改计算机端口的方法，对于无法打开localhost有奇效，亲测有用
tensorboard --logdir=logfile --host=127.0.0.1
（5）代码输入问题，如下述代码
tensorboard --logdir=logfile
而不是：
tensorboard --logdir='./logfile'或者'logfile'
切记不可带引号！！！
(6) 尝试换一种调用tensorboard的方式，因为有的人安装的tensorboard位于tensorflow的下一级，对于tensorboard和tensorflow平级可不用考虑。可通过pip list命令显示查看
python -m tensorflow.tensorboard --logdir=
这里本人的tensorflow和tensorboard是平级，因此该方法无效。
最后，我们结合上述方法给出示例：
最后将该网址用谷歌浏览器打开：
