tensorboard_log

tensorboard_log是一个用于可视化TensorFlow模型训练过程和结果的工具。使用TensorBoard可以方便地查看模型的损失函数、精度、激活函数等信息，并可在训练过程中实时更新这些信息。

要使用tensorboard_log，可以按照以下步骤进行操作：
1. 在命令行中输入tensorboard --logdir=log并运行，其中log是保存日志文件的目录。
2. 在TensorFlow代码中，使用tensorboard_logger库进行配置和日志记录。例如，可以使用以下代码将步骤和对应的值记录到日志文件中：
from tensorboard_logger import configure, log_value
configure("runs/run-1234")
for step in range(1000):
v1, v2 = do_stuff()
log_value('v1', v1, step)
log_value('v2', v2, step)
注意，这里的"runs/run-1234"是保存日志文件的目录。

另外，也可以使用TensorFlow自带的tf.summary.FileWriter类来构建简单的TensorBoard日志输出。例如，可以使用以下代码将计算图和运行结果保存到日志文件中：
import tensorflow as tf
input1 = tf.constant([1.0, 2.0, 3.0], name="input1")
input2 = tf.Variable(tf.random_uniform(, name="input2"))
output = tf.add_n([input1, input2], name="add")
writer = tf.summary.FileWriter("./log", tf.get_default_graph())
writer.close()