以下代码使用TensorFlow v2.0
import tensorflow as tf
a = tf.constant(6.0, name = "constant_a")
b = tf.constant(3.0, name = "constant_b")
c = tf.constant(10.0, name = "constant_c")
d = tf.constant(5.0, name = "constant_d")
mul = tf.multiply(a, b , name = "mul")
div = tf.divide(c,d, name ="div")
addn = tf.add_n([mul, div], name = "addn")
writer = tf.summary.create_file_writer("./tensorboard")
with writer.as_default():
tf.summary.scalar("addn_harsha", addn, step=1)我刚开始学习Python和TensorFlow。我能够通过上面的代码在Tensorboard中创建标量，但无法生成图形。
在TensorFlow v1.0中，我们会写：writer = tf.summary.FileWriter(“./tensorboard”, sess.graph)
但在TensorFlow v2.0中，不再使用Session。那么，我们该如何在TensorFlow v2.0中使用TensorBoard创建图形呢？
回答：
这是可以做到的，有几种方法，但存在两个问题。主要问题是TensorFlow 2.0通常以急切模式运行，因此根本没有图形可以记录。另一个我发现的问题，至少在我自己的安装中，是在2.0版本中，当我试图加载带有图形的日志目录时，Tensorboard会崩溃。我认为这个问题会得到解决，但目前我只能用Tensorboard 1.15检查用2.0编写的图形结果。
据我所知，在TensorFlow 2.0中至少有两种方法可以编写图形。目前最直接的方法是使用Keras模型和一个TensorBoard回调，并在训练时设置write_graph=True。这可能看起来像这样：
如果你只想将一些任意的TensorFlow代码转换成图形，你可以使用tf.function。这将把一个普通的Python函数转换成图形，或者更准确地说，是一个按需生成图形的可调用对象，然后你可以保存它。然而，要做到这一点，你需要一个假定的tf.summary.graph图形函数，但目前还没有这个函数。该函数确实存在，只是没有在主要API中暴露（不确定他们将来是否会纳入），但你可以通过summary_ops_v2模块访问它。你可以这样使用它：
同样，在这两种情况下，我只能在1.x版本的Tensorboard中可视化结果，但生成的日志文件是正确的。
