首先先介绍一下三个summary函数 分别对应不同的类型：
tf.scalar_summary(tags, values, collections=None, name=None)
产生一个标量summary values=1D tags=1D string
tf.image_summary(tag, tensor, max_images=None, collections=None, name=None)
摘要就是图片形式了 可以在tensorboard中看到这些图片。
专门为图片而定义的summary，tensor必须是4D的
shape [batch_size, height, width, channels] 其中channels可以为1 3 4 分别对应 灰度 RGB GRBA
如果max_images是1 那么tag直接就是 tag/image 如果大于1 那就 依次 0 1 2 ......
tf.histogram_summary(tag, values, collections=None, name=None) 直方图
在TensorFlow中，所有的操作只有当你执行，或者另一个操作依赖于它的输出时才会运行。我们刚才创建的这些节点（summary nodes）都围绕着你的图像：没有任何操作依赖于它们的结果。因此，为了生成汇总信息，我们需要运行所有这些节点。这样的手动工作是很乏味的，因此可以使用 tf.merge_all_summaries 来将他们合并为一个操作。
所以接下来我们就把所有的summary merge一下 到时候see.run的时候只需要 一次即可 。
最后，为了将汇总数据写入磁盘，需要将汇总的protobuf对象传递给tf.train.Summarywriter。
SummaryWriter 的构造函数中包含了参数 logdir。这个 logdir 非常重要，所有事件都会写到它所指的目录下。此外，SummaryWriter 中还包含了一个可选择的参数 GraphDef。如果输入了该参数，那么 TensorBoard 也会显示你的图像。
tf.train.SummaryWriter.__init__(logdir, graph_def=None, max_queue=10, flush_secs=120)
创建一个summarywriter 和 event file ，logdir是你希望file 存储的地址 .
一般来说 graph_def = sess.graph (sess所执行对应的graph，也就是咱们创建的tensor 图)这时候会把我们创建的图也表示出来
tf.train.SummaryWriter.add_summary(summary, global_step=None)
将summary添加进 event file中
