TensorFlow包含一个可视化工具，称为TensorBoard。它用于分析数据流图，还用于了解机器学习模型。 TensorBoard的重要功能包括查看有关垂直对齐的任何图形的参数和详细信息的不同类型统计信息的视图。

深度神经网络包括多达36,000个节点。 TensorBoard帮助将这些节点折叠成高级块，并突出显示相同的结构。这样可以更好地分析图形，重点放在计算图形的主要部分上。 TensorBoard可视化据说是非常互动的，用户可以在其中平移，缩放和展开节点以显示细节。

以下示意图表示TensorBoard可视化的完整工作-

该算法将节点分解为高级块，并突出显示具有相同结构的特定组，这些特定组将高级节点分开。这样创建的TensorBoard很有用，并且对于调整机器学习模型同样重要。此可视化工具是为配置日志文件设计的，其中包含需要显示的摘要信息和详细信息。

让我们在以下代码的帮助下专注于TensorBoard可视化的演示示例-

import tensorflow as tf 

# Constants creation for TensorBoard visualization 
a = tf.constant(10,name = "a") 
b = tf.constant(90,name = "b") 
y = tf.Variable(a+b*2,name = 'y') 
model = tf.initialize_all_variables() #Creation of model 

with tf.Session() as session: 
   merged = tf.merge_all_summaries() 
   writer = tf.train.SummaryWriter("/tmp/tensorflowlogs",session.graph) 
   session.run(model) 
   print(session.run(y))

下表显示了用于节点表示的TensorBoard可视化的各种符号-