Tensorboard：

如何更直觀的觀察數據在神經網絡中的變化，或是已經構建的神經網絡的結構。上一篇文章說到，可以使用matplotlib第三方可視化，來進行一定程度上的可視化。然而Tensorflow也自帶了可視化模塊Tensorboard，并且能更直觀的看見整個神經網絡的結構。

上面的結構圖甚至可以展開，變成：

使用：

結構圖：

with tensorflow .name_scope(layer_name): 

直接使用以上代碼生成一個帶可展開符號的一個域，并且支持嵌套操作：

with tf.name_scope(layer_name):   with tf.name_scope('weights'): 

節點一般是變量或常量，需要加一個“name=‘'”參數，才會展示和命名，如：

with tf.name_scope('weights'):   Weights = tf.Variable(tf.random_normal([in_size,out_size])) 

結構圖符號及意義：

變量：

變量則可使用Tensorflow.histogram_summary()方法：

tf.histogram_summary(layer_name+"/weights",Weights) #name命名，Weights賦值