PS：两层的神经网络训练线性回归，代码参考了莫烦的，GitHub上有，然后又往里面加了关于Timeline的部分

一、代码

二、tensorboard

PS ：真心不是很会看这个分析图，可以看看下面这篇博客

https://blog.csdn.net/u010099080/article/details/77426577

SCALAR

1. 图的左下角的3 个小图标，第一个：查看大图，第二个：是否对 y 轴对数化，第三个：是放大和复原
2. 术语解释：

Smoothing ： 指的是作图时曲线的平滑程度，使用类似指数平滑的处理方法，默认是 0.6。

STEP：横轴显示的是训练迭代次数

RELATIVE：训练的相对时间，相对于训练开始的时间

WALL：训练的绝对时间

DISTRIBUTIONS

从上到下的折线，随着横轴训练次数，纵轴参数的多分位数图

从上到下表示不同的分位数 [maximum, 93%, 84%, 69%, 50%, 31%, 16%, 7%, minimum]

HISTOGRAMS

1. HISTOGRAMS 和 DISTRIBUTIONS 是对同一数据不同方式的展现。HISTOGRAMS是 频数分布直方图的堆叠，横轴表示权重值，纵轴表示训练步数。颜色越深表示时间越早，越浅表示越接近训练结束
2. 两种模式：都是横轴为权重值，纵轴为频数

OVERLAY 二维表示

OFFSET 三维表示

GRAPH

1. 图像颜色两种模式：

   基于结构的模式（Structure），相同的节点会有同样的颜色

   基于硬件（Device），同一个硬件上的会有相同颜色

2. 术语解释：

   Run 创建了几个不同的Session（改变了超参数），对应的计算图

   Session runs：一个session里，不同训练次数，对应的计算图

三、Timeline

真心看不懂