代码：
import tensorflow as tf
#a = tf.get_variable(“a”,shape=[2,2])
a1=tf.get_variable(“a1”,shape=[100000])
#c = tf.assign_add(a,[[1,1],[1,1]])
c1 = tf.assign_add(a1,tf.ones(100000))
c2=tf.assign(a1,tf.ones(100000))
#d = tf.summary.histogram(“d”,a)
d1 = tf.summary.histogram(“d1”,a1)
#自动管理
merged = tf.summary.merge_all()
#init = tf.global_variables_initializer()
with tf.Session() as sess:
print(sess.run(c2))
writer = tf.summary.FileWriter(“logs”,sess.graph)#将图存入到logs文件中
#sess.run(init)
for i in range(1000):
print(sess.run(c1))
summary = sess.run(merged)
writer.add_summary(summary,i)#写入文件
图像：
说明：x轴为数值，y轴为循环的次数，z轴为个数。
每一次数组a1里面的每个值得数据都是一样的，真实的分布直方图应该是一条直线，比如第1000次循环时，有100000个数据取值为1001，但tensorboar强制往正态分布拟合。