本人通信硕士研究生一枚，由于导师的项目偏向深度学习，所以决定自学tensorflow。可是当我想要进入tensorflow的时候却发现前路漫漫，困难重重。但是不要灰心，有困难才有挑战，才能支撑我们一直往下去解决问题。好啦，鸡汤什么的就不多说了，直接进入正题。（ps：第一次写博客，写的不好的地方欢迎大家指正，感谢大家的阅读！！）
安装tensorflow以及为其建立虚拟启动器的步骤网上一搜一大把，我这里就不再赘述。重点讲一下自己使用tensorflow遇到的问题。测试程序如下：
import tensorflow as tf a=tf.constant(5,name="input_a") b=tf.constant(3,name="input_b") c=tf.mul(a,b,name="mul_c") d=tf.add(a,b,name="add_d") e=tf.add(c,d,name="add_e") sess=tf.Session() output=sess.run(e) writer=tf.train.SummaryWriter('./test',sess.graph) writer.close() sess.close()
程序执行完之后，可以得到下图所示的一个文件夹：
在终端输入一下命令：
tensorboard --logdir="test" ----（双引号下面放着的是上面那个文件的路径，我直接把文件夹建在主目录下，所以可以直接以文件名来做路径.
如果你的文件是在多级文件夹下，则需要通过多级的路径来读取文件，如：tensorboard --logdir="./tensor/test"）
出来一串警告：
打开上面的链接跳出下面的界面：
于是百度各种解决办法，其中有大神说这是由于通过pip方法安装tensorflow导致，如果要解决这一问题需要源码安装tensorflow，但是考虑到源码安装太过繁琐，于是采取了另一种方法。将tensorflow的github源码下载到本地，在终端输入代码如下：
git clone --recurse-submodules https://github.com/tensorflow/tensorflow
下载下来的文件如下：
网上的大神说将tensorflow的tensorboard目录下的TAG文件拷贝到python下面的tensorboard目录下即可，但是上述文件中并不能找到tensorboard下的TAG文件（就连tensorboard文件都没有），最终通过查找方式在tensorflow文件下查找TGA，找到文件如下图所示：
将tag_constants.py，tag_constants.h文件复制到python下面的tensorboard目录下（不能直接复制，需要通过命令行来操作），终端输入命令如下：
sudo cp /home/logoo/tensorflow/tensorflow/cc/saved_model/tag_constants.h /usr/local/lib/python3.5/dist-packages/tensorflow/tensorboard
sudo cp /home/logoo/tensorflow/tensorflow/cc/saved_model/tag_constants.py /usr/local/lib/python3.5/dist-packages/tensorflow/tensorboard
文件的路径以自己计算机上的路径为准，我的路径是上面的！！
文件复制过去后，再通过终端命令：
tensorboard --logdir="test"
在浏览器中打开输出的地址，惊喜的发现数据流图就这样赤裸裸的暴露在你面前（有的时候可能不会立刻出图，需要F5刷新一下，同时需要切换到graphs视图下哦）
好啦，从此以后我们就可以构建属于自己的数据流图了，想想都有点小激动呢！！
