用tensorflow1.2.1版本调试出了一个小实例并用tensorboard查看graph以及summary

这几天在看面向机器智能的tensorflow实践这本教材，在第三章的最后有一个实例，我照着敲了代码看看结果，由于书本中用的是低版本的tensdoflow所以有些代码进行了修改，修改过程中踩了一些坑，最后还是调试出来了。

import tensorflow as tfgraph = tf.Graph()                   # 显式创建一个Graph对象with graph.as_default():    with tf.name_scope("variables"):        # 追踪数据流程图运行次数的Variables对象        global_step = tf.Variable(0, dtype=tf.int32, trainable=False, name="global_step")        # 追踪所有输出随时间的累加和的Variables对象        total_output = tf.Variable(0.0, dtype=tf.float32, trainable=False, name="total_output")        # 主要变换的OP    with tf.name_scope("transformation"):        # 独立的输入层        with tf.name_scope("input"):            # 创建可接收一个向量的占位符            a = tf.placeholder(tf.float32, shape=[None], name="input_placeholder_a")        # 独立的中间层        with tf.name_scope("intermediate_layer"):            b = tf.reduce_prod(a, name="product_b")            c = tf.reduce_sum(a, name="sum_c")        # 独立的输出层        with tf.name_scope("output"):            output = tf.add(b, c, name="output")    with tf.name_scope("update"):        # 用最新的输出更新Variable对象total_output        update_total = total_output.assign_add(output)        # 将前面的Variable对象global_step增1，只要数据流程图运行，该操作便需要进行        increment_step = global_step.assign_add(1)    # 汇总OP    with tf.name_scope("summaries"):        avg = tf.div(update_total, tf.cast(increment_step, tf.float32), name="average")        # 为输出节点创建汇总数据        tf.summary.scalar('output_summary', output)        tf.summary.scalar('total_summary', update_total)        tf.summary.scalar('average_summary', avg)    # 全局Variable对象和OP    with tf.name_scope("global_ops"):        # 初始化OP        init = tf.global_variables_initializer()    # 已修改为最新函数        # 将所有汇总数据合并到一个OP中        merged_summaries = tf.summary.merge_all()# 用明确创建的Graph对象启动一个会话sess = tf.Session(graph=graph)# 开启一个Summary.FileWriter对象，保存汇总数据writer = tf.summary.FileWriter('tmp1', sess.graph)# 初始化Variable对象sess.run(init)def run_graph(input_tensor):    """    辅助函数；用给定的输入张量运行数据流程图，    并保存汇总数据    :param input_tensor:    :return:    """    feed_dict = {a: input_tensor}    _, step, summary = sess.run([output, increment_step, merged_summaries], feed_dict=feed_dict)    writer.add_summary(summary, global_step=step)# 用不同的输入运行该数据流程图run_graph([2, 8])run_graph([3, 1, 3, 3])run_graph([8])run_graph([1, 2, 3])run_graph([11, 4])run_graph([4, 1])run_graph([7, 3, 1])run_graph([6, 3])run_graph([0, 2])run_graph([4, 5, 6])# 将汇总数据写入磁盘writer.flush()# 关闭writer对象writer.close()# 关闭Session对象sess.close()

运行完成后通过指令打开tensorboard，如图：

提示：summary界面默认不显示summary图（你可以看到summary最右边标了个3，代表有三张图），点击summary就能看到了（开始我以为自己代码有问题，半天没找到，原来需要点击下）。