本篇是 TensorBoard 的基本使用方法教學，以視覺化呈現 TensorFlow 的計算結果。
通常實務上以 TensorFlow 建立的模型（例如深度神經網路）都相當複雜，若要對模型進行觀察、除錯與最佳化，都有一定的難度，而 TensorBoard 是一個專門用來呈現 TensorFlow 模型與資料的視覺化工具，其支援好幾種資料的呈現方式，讓程式設計者更容易掌握複雜的模型與資料。
TensorBoard 本身是一個網頁應用程式，可以讀取從 TensorFlow 所輸出的資料，以網頁的方式呈現。
TensorBoard 的網頁服務預設會使用 6006 這個連接埠，如果是在 Docker 環境中執行 TensorFlow 程式以及 TensorBoard 的話，啟動 Docker 時要記得把這個連接埠打開，這樣才能使用外部的瀏覽器觀看，例如：
nvidia-docker run -it -p 6006:6006 tensorflow/tensorflow:latest-gpu bash
如果要在 TensorBoard 中觀察各種資料，首先要在 TensorFlow 的程式中以 tf.summary 將要觀察的模型或資料以事件檔案（events files）的方式輸出，讓 TensorBoard 從這些事件檔案取得資料，並且繪製各種圖形。
tf.summary 底下有一系列的函數，可以輸出各種不同型態的資料。假設我們在訓練一個數字辨識的 CNN 模型，而我們想要觀察模型的學習率（learning rate）以及目標函數（object function）的變化情況，這兩個值都是屬於純量值（scalar），所以我們可以利用 tf.summary.scalar 來輸出，而在輸出時記得要標示清楚的資料名稱：
# 輸出純量值 tf.summary.scalar('my learning rate', my_learning_rate)
如果是要觀察整群資料的分布狀況，可以使用 tf.summary.histogram 畫出資料的分布圖：
# 輸出資料分布 tf.summary.histogram('my data histogram', my_data)
另外點陣圖的輸出也是很常用的功能，tf.summary.image 可以將 TensorFlow 模型內的圖片顯示在 TensorBoard 上：
# 輸出圖形 tf.summary.image('my image', my_image)
在 TensorFlow 中所有的運算都要放在 session 的 run 中，或是有其他運算需要該運算的輸出時，該運算才會被執行，而我們在 TensorFlow 中可能會建立非常多的 tf.summary 節點，逐一管理這些節點會很麻煩，我們可以使用 tf.summary.merge_all 一次將所有的 tf.summary 節點匯集起來，一次放進 session 中執行。
隨後將 tf.summary.merge_all 計算的結果（包含所有當次迭代的數值），以 tf.summary.FileWriter 寫入硬碟，而 FileWriter 在建立時會需要指定一個寫入資料用的目錄，另外也可以再加上一個 graph 的物件，讓資料呈現時可以同時顯示 tensor shape 的資訊，讓我們更了解整個模型內部的資料流狀況。
以上就是輸出資料至 TensorBoard 大致上的流程，我們可以將每一次迭代的資料都輸出（當然這樣資料量會很大），或是每隔幾次迭代輸出一次。
mnist_with_summaries.py 這個 Python 指令稿是根據 MNIST 手寫辨識範例所改寫的程式，其中加入許多的 summary 運算，這個指令稿可直接執行。
python mnist_with_summaries.py
在執行 TensorFlow 的同時，我們就可以開啟 TensorBoard 來觀察模型中各種即時的數據，執行方式為：
tensorboard --logdir=/tmp/tensorflow/mnist
其中 --logdir 所指定的目錄就是我們在 TensorFlow 程式中使用 tf.summary.FileWriter 寫入資料的目錄。
執行 TensorBoard 之後，他預設會在本機的 6006 連接埠開啟一個網頁伺服器，請開啟這個網址：
http://localhost:6006/
開啟之後，應該就可以看到 TensorBoard 的畫面了。第一頁是純量值（SCALARS）的畫面，它會將每個純量在每一次迭代所輸出的值畫在圖形上，所以我們可以觀察其值收斂的情況。
影像（IMAGES）這一頁則會呈現所有影像的輸出。
GRAPHS 這一頁會顯示整個 TensorFlow 的模型。
這是 DISTRIBUTIONS 頁面。
這是 HISTOGRAMS 頁面。
