不知道这样描述是否正确，我做的事情是 在Jupyter中用tensorflow写了一个模型，希望在tensorboard中看到输出的各种图形。
- Jupyter中加载tensorflow
总之 用anaconda navigator可以解决一切问题。因为以前创建过一个tensorflow环境（不同人的命名不一样，我记得是一个csdn的帖子，反正按照他的方式创建环境是OK的），navigator的Home界面中，在tensorflow环境里安装jupyter（之前只安装了spyder）。
安装好之后，启动新的Jupyter Notebook（tensorflow）程序就叫这个，就像spyder（tensorflow）一样。 - 测试一下tensorflow安装好了没
完全参考https://blog.csdn.net/xiaoyw71/article/details/86514017这个帖子。
new一个文件，
import tensorflow as tf
a = tf.random_normal([2,20]) #定义2x20的随机数矩阵
sess = tf.Session() #启动一个tensorflow会话
out = sess.run(a) # 用在sess会话里执行a，结果放out里
x, y = out
plt.scatter(x, y) #用pyplot创建一系列散列点，坐标为x和y
plt.show()
sess.close()
- 测试一下tensorboard安装好了没
我这里是自动安装过tensorboard的。没有任何pip install过程。可以先检查一下自己装没装过。
anaconda prompt -> activate tensorflow
pip list
出来一大列安装过的包，找找有没有tensorboard，有的话就是安装过。
仍然参考上面的帖子，测试代码：
weight = tf.Variable(1.0, name="weight")
input_value = tf.constant(0.5, name="input_value")
expected_output = tf.constant(0.0, name="expected_output")
model = tf.multiply(input_value,weight, "model") #计算模型为input_value与weight的乘积
loss_function = tf.pow(expected_output - model, 2, name="loss_function") #损失函数为输出差的平方
optimizer = tf.train.GradientDescentOptimizer(0.025).minimize(loss_function) #梯度下降优化
for value in [input_value, weight, expected_output, model, loss_function]:
tf.summary.scalar(value.op.name, value)
summaries = tf.summary.merge_all()
sess = tf.Session()
# 训练过程中直接向日志文件添加数据，日志文件为'log_simple_stats'
summary_writer = tf.summary.FileWriter('log_simple_stats', sess.graph)
sess.run(tf.global_variables_initializer())
for i in range(100):
summary_writer.add_summary(sess.run(summaries), i)
sess.run(optimizer)
之后，在这个.ipynb所在的文件夹下，会有一个新的文件夹log_simple_stats。
- 查看tensorboard
很多帖子说直接cmd，但我不可以，会报错说tensorboard不是内部或外部命令，也不是可运行的程序。
解决方法是：命令行
anaconda prompt >activate tensorflow
>H:
>cd JupyterTensoflowBook
>tensorboard --logdir=log_simple_stats
成功的话 会提示
TensorBoard 1.13.1 at http://DESKTOP-ITEASRP:6006 (Press CTRL+C to quit)
chrome浏览器输入http://DESKTOP-ITEASRP:6006 就可以看到tensorboard界面了~
*5. 如果graph界面有多个流图，说明这个程序之前run过很多遍。可以先清掉log文件夹里的eventsout文件，然后在JupyterNotebook的菜单栏-> kernel ->run and restart. 重复上面的步骤打开浏览器->查看tensorboard。
