【环境】
Python 3.6.7
Tensorflow 1.12.0
1，With基本用法
# 在with中使用自定义的类，一定至少要定义__enter__和__exit__两个方法class A():def __enter__(self):self.a = 5return self.adef __exit__(self, exc_type, exc_val, exc_tb):print('exit')with A() as b:print(b)# 输出
# 5
# exit2，Tensorflow两数相加（为了逐步展示tensorflow基本原理，采用了逐渐复杂的四种方法）
# 第一种方法
import tensorflow as tfa = tf.Variable(1)
b = tf.Variable(2)
c = a + binit = tf.global_variables_initializer()sess = tf.Session()sess.run(init)print(sess.run(c))# 输出
# 3
# 第二种方法，使用with
import tensorflow as tfa = tf.Variable(1)
b = tf.Variable(2)
c = a + binit = tf.global_variables_initializer()with tf.Session() as sess:sess.run(init)print(sess.run(c))# 输出
# 3
# 第三种方法，使用with 和 placeholder，也是通常的用法
import tensorflow as tfa = tf.placeholder(tf.int64)
b = tf.placeholder(tf.int64)c = a + binit = tf.global_variables_initializer()with tf.Session() as sess:sess.run(init)print(sess.run(c, feed_dict={a: 1, b: 2}))# 输出
# 3
# 第四种方法，使用with 和 placeholder，并在tensorboard可视化一下
import tensorflow as tfa = tf.placeholder(tf.int16, name='a')
b = tf.placeholder(tf.int16, name='b')with tf.name_scope('Add_function'): # 此声明下面包含的运算在tensorboard计算图中会显示在同一个方块中，如果声明下不包含运算，则不显示方块c = a + b# c1 = tf.reduce_mean(c) # 求c中所有元素均值，可以用来将传入的参数转化为一个数值，按需使用tf.summary.scalar('result', c) # tf.summary.scalar（tags, values）两个参数：第一个参数表示在tensorboard中显示的名字，第二个参数loss应为一个标量，即一个数值，否则报错init = tf.global_variables_initializer()merge = tf.summary.merge_all()with tf.Session() as sess:sess.run(init)summary_writer = tf.summary.FileWriter(logdir='logs', graph=sess.graph)summary, result = sess.run([merge, c], feed_dict={a: 1, b: 2})summary_writer.add_summary(summary)summary_writer.close()print(result)# 输出
# 3# 第四种方法会在程序所在目录生成logs文件夹，打开终端，进入程序所在目录（logs所在的目录）
# $ cd 程序所在目录
# $ tensorboard --logdir logs# 终端输出为：
# TensorBoard 1.12.2 at http://xxxx:6006 (Press CTRL+C to quit)
# 在浏览器打开http://localhost:6006/ 即可看到曲线图和计算图，本例中曲线只有1个点，即求和的结果3
# 注意每次运行程序都会在logs文件夹下生成1个文件，如需修改程序并在浏览器看新效果，需要先清空logs文件夹再运行修改后的程序，之后再在浏览器查看效果
第四种方法对应的图
-------------------------------------------------------------------------------------------------------
其他：
1，同时看多个tensorboard（打开其他端口）：
# tensorboard --logdir=tmp --port=6005# tmp是当前目录中包含 events.out.tfevents.xxxx.xxxpc 类似文件的文件夹参考：https://blog.csdn.net/feynman233/article/details/86480974
2，在一个tensorboard中显示多条曲线
参考：https://blog.csdn.net/shahuzi/article/details/81223980#commentBox
3，模型训练结束之后产生的静态event文件也可以通过tensorboard进行查看。如果复制网址到浏览器，tensorboard页面无法显示，可以试试绝对路径：
tensorboard --logdir=D:\Projects\xxx\logs --port=60054，Tensorboard界面说明：https://blog.csdn.net/qq_33039859/article/details/80277379
5，Tensorboard中同时看多条曲线：
D:\tmp\retrain_logs>tensorboard --logdir=. # 点号.代表当前文件夹retrain_logs下有两个文件夹，每个文件夹下都有一个event文件。这样写能让两条曲线显示在同一个页面中，并且可以自由选择显示什么曲线。参考链接。
6，【远程使用tensorboard】
# 从本地登录到服务器，用端口转发的方式登录。将远程服务器（xx.xxx.xxx.xx）的6009端口转发到本地的8001端口
# 在本地终端运行下面的命令（xxx是登录远程服务器使用的用户名），比如在moba xterm中新建一个terminal，输入：
ssh -L 8001:localhost:6009 xxx@xx.xxx.xxx.xx
# 此时已经把服务器对应的6009端口映射到了本地的8001端口
# 可能需要输入密码才能登录（如果之前没有在moba xterm中保存过密码的话）# 此时已经进入服务器命令界面（因为已经登录）
# 进入tensorflow训练产生的log文件所在的上级目录，如folder1
# folder1中可以包含多个子文件夹，每个子文件夹中都有单独的log文件，这样可以在一个tensorboard浏览器界面中同时对比查看多条曲线。
# 在服务器终端输入：
$ cd ~/projects/folder1# 可视化log文件，继续在服务器终端输入：
$ tensorboard --logdir ./ --port=6009# 在本地浏览器输入:
http://127.0.0.1:8001/#【致谢】https://blog.csdn.net/zhaokx3/article/details/70994350