一、程式碼例子 # -*- coding: utf-8 -*- """ Created on Tue Apr 18 18:50:24 2017 @author: YDD """ ''' 生成一個檔案，儲存在‘logs/’檔案裡面（此處我的logs為：G:\Spyder_檔案集\logs） 然後在命令列終端(cmd)中執行該檔案(tensorboard --logdi='logs/')回車，拷貝網址（http://169.254.61.28:6006），選擇GRAPH,即可顯示 ''' import tensorflow as tf #import numpy as np #import matplotlib.pyplot as plt sess = tf.Session() def add_layer(inputs, in_size,out_size,activation_function=None):     with tf.name_scope('layer'):         with tf.name_scope('weights'):             Weights = tf.Variable(tf.random_normal([in_size,out_size]))#隨機初始值的一個矩陣。         with tf.name_scope('biases'):             biases = tf.Variable(tf.zeros([1, out_size]) + 0.1) #初始值都是0.1的一個列表.         with tf.name_scope('Wx_plus_b'):             Wx_plus_b = tf.matmul(inputs, Weights) + biases  #未被啟用的值，存在Wx_plus_b中。         if activation_function is None:             outputs = Wx_plus_b         else:             outputs = activation_function(Wx_plus_b)         return outputs #自己定義了所有的資料。 #x_data = np.linspace(-1,1,300)[:,np.newaxis]  #建造輸入，-1到1區間300個單位【維度】，一個特性有300個例子。 #noise = np.random.normal(0,0.05,x_data.shape)  #噪聲，方差是0.05，格式和x_data一樣。 #y_data = np.square(x_data)-0.5 + noise   #輸出y=x^2 -0.5+noise. with tf.name_scope('inputs'):     xs = tf.placeholder(tf.float32,[None,1],name='x_input')     ys = tf.placeholder(tf.float32,[None,1],name='y_input') #建立一個隱藏層hidden1（10個神經元），一個輸出層prediction（1個神經元） hidden1 = add_layer(xs,1,10,activation_function=tf.nn.relu) #啟用函式選擇tf.nn.relu。（可嘗試其他啟用函式，選擇誤差結果較小最好） prediction = add_layer(hidden1,10,1,activation_function=None) with tf.name_scope('loss'):     loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),                          reduction_indices=[1]))  #求一個預測值的平方誤差，然後將所有的平方誤差求和，最後求和的一個平均值。 with tf.name_scope('train_step'):     train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)   #學習的速率為0.1. # 這裡注意和教程有點差別！！#選定視覺化儲存目錄 writer = tf.summary.FileWriter("logs/",sess.graph) init = tf.global_variables_initializer() sess.run(init) 二、執行程式碼，生成檔案
三、命令列終端，找到該檔案路徑下，執行檔案
四、複製網址，併網頁開啟檢視視覺化結果