我使用tensorboard中的graph做了展示，至于其它功能可以类推，其代码如下：

import numpy as np
import tensorflow as tf

x_img = np.array(np.ones((5,784)))   # 自己编造的图片数据
y_lable =  np.array(np.zeros((5,10))) # 自己编造的label
for i in range(5):
    y_lable[i,2+i]=1


with tf.name_scope('input'):
    x = tf.placeholder(shape=[None,784],dtype=tf.float32,name='xinput')
    y_ = tf.placeholder( shape=[None,10],dtype=tf.float32,name='yinput')
with tf.name_scope('weight'):
    W = tf.Variable(tf.zeros([784,10]),dtype=tf.float32)
b = tf.Variable(tf.zeros([10]),tf.float32)
y = tf.nn.softmax(tf.matmul(x,W) + b)

cross_entropy = -tf.reduce_sum(y_*tf.log(y))                                  #损失函数

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)  #优化器

#定义测试的准确率                                                          #ragmaax（）0表示按列，1表示按行，输出该列或行的最大值的下标值；equal（）表示相等返回值为True或False
correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_,1))             #执行测试样本的准确率（全部的样本），计算相等值，为bool值，则为1和0
accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))         #将全部的bool型转换为float32类型，在求平均值


sess=tf.Session()
sess.run(tf.global_variables_initializer())
ac=sess.run(accuracy,feed_dict={x:x_img,y_:y_lable})
print(ac)
writer=tf.summary.FileWriter('/savetensorboard',sess.graph)  # 将文件保存在该'/savetensorboard'目录下，必须有这一步。

结果显示如下图：

 

 

打开该'/savetensorboard'目录下保存的文件步骤：

1.打开cmd 命令cd C:\AppData\python3.6\pygputensorflow1.14\Scripts 定位到tensorboard.exe的文件。

2.输入该命令  tensorboard.exe --logdir=保存数据的文件路径（绝对路径），执行后会出现以下状况，输入该网址。

 

 3.若无法在浏览器中打开，则将2的命令改成tensorboard.exe --logdir=C:\Users\51102\Desktop\savetensorboard --host=127.0.0.1将会再次出现一个

网址，将其网址输入浏览器中，便可出现tensorboard的图示。