おっさんpythonビギナーです。最近はTnesorflowに挑戦中で、今回はTensorBoardの起動をまとめました。お役に立てばうれしいです。
（参照）「TensorFlowではじめるDeepLearning実装入門」

まずはログを取得します

お約束のmnistを使ってやってみます。

qiita.rb

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

mnist = input_data.read_data_sets("data/", one_hot=True)

# 訓練用の入力データ、正解データをミニバッチ数指定
train_images, train_labels = mnist.train.next_batch(50)

# テスト用の全画像
test_images = mnist.test.images
# テスト用の全正解データ
test_labels = mnist.test.labels

# 入力データの定義
x = tf.placeholder(tf.float32, [None, 784])

# 入力画像をログに出力（1）
# reshapeの[-1]は「何も指定しない」という意味。「-1」をつけることを覚えておくと便利です。
img = tf.reshape(x, [-1, 28, 28, 1])
tf.summary.image('input_data', img, 10)

# 入力層から中間層へ
with tf.name_scope('hidden'):
    w_1 = tf.Variable(tf.truncated_normal([784, 64], stddev=0.1), name = 'w1')
    b_1 = tf.Variable(tf.zeros([64], name = 'b1'))
    h_1 = tf.nn.relu(tf.matmul(x, w_1) + b_1)
    
    #中間層の重みの分布をログ出力（2）
    tf.summary.histogram('w_1', w_1)

# 初期化
tf.truncated_normal([784, 64], stddev=0.1)
tf.matmul(x, w_1) 

# 中間層から出力層へ
with tf.name_scope('output'):
    w_2 = tf.Variable(tf.truncated_normal([64, 10], stddev=0.1), name = 'w2')
    b_2 = tf.Variable(tf.zeros([10], name = 'b2'))
    out = tf.nn.softmax(tf.matmul(h_1, w_2) + b_2)

y = tf.placeholder(tf.float32, [None, 10])

ここまでで2層のCNNが完成です。
そして、「入力画像（1）」と「中間層の重みの分布/ヒストグラム（2）」の2つを指定しています。
次に、損失関数と精度の設定を行います。

qiita.rb

# 誤差関数とログ出力（3）
with tf.name_scope('loss'):
    loss = tf.reduce_mean(tf.square(y - out))
    
    tf.summary.scalar('loss', loss)

# 訓練
with tf.name_scope('train'):
    train_step = tf.train.GradientDescentOptimizer(0.5).minimize(loss)

# 精度とログ出力（4）
with tf.name_scope('accuracy'):
    correct = tf.equal(tf.argmax(out, 1), tf.argmax(y, 1))
    accuracy = tf.reduce_mean(tf.cast(correct, tf.float32))
    
    tf.summary.scalar('accuracy', accuracy)

# 全部初期化の呪文
init = tf.global_variables_initializer()

これで「誤差関数（3）」と「精度（4）」の2つのログが出力できました。
2つともスカラーなのでご注意を。

ログの統合と書き込みです

最後はsessで計算実行とこれまでの4つのログの統合（tf.summary.merge_all()）と書き込み（tf.summary.FileWriter('logs', sess.graph) です。

qiita.rb

with tf.Session() as sess:
    
    sess.run(init)
    
    summary_op = tf.summary.merge_all()
    summary_writer = tf.summary.FileWriter('logs', sess.graph)  
      
    
     #テストデータをロード
    test_images = mnist.test.images
    test_labels = mnist.test.labels
    
    for i in range(1000):
        step = i + 1 
        train_images, train_labels = mnist.train.next_batch(50)
        sess.run(train_step, feed_dict={x:train_images, y:train_labels})
        
        if step % 10 == 0:
            
            #ログを取る処理を実行（出力はログ情報が書かれたプロトコルバッファ）
            summary_str = sess.run(summary_op, feed_dict={x:test_images, y:test_labels})
            
            #ログ情報のプロトコルバッファを書き込む
            summary_writer.add_summary(summary_str, step)

ここ、結構苦しみました。
summary_op、summary_writerをどこに置いていいかわからなかったです。色々な方のサイトを見て、最終的にいまの場所になりましたが、summary_opはwith tf.Session以下じゃなくても良いかも。でもsummary_writerはsess.graphがあるので、with tf.Session以下じゃないとダメだと思います。
あと、ログを取る処理とかログ情報のプロトコルバッファとか、いまだによくわかっていません（泣）

その上、初心者にはさらに色々面倒が降り続きます。

TensorBoardを起動します

ここまでは呼び出すものをコーディングしていたましたが、起動はちょっと異なります。色々なやり方がるようですが、Anacondaの方なら、このやり方がおススメです。
こちらを見ながらご説明します。

1.Anaconda NavigatorのEnvironmentからtensorflow13(私のバージョン）を起動します。
2.open terminalをクリックします。
※@FukuharaYoheiさんの下記参照。https://qiita.com/FukuharaYohei/items/7ea120005f73cf882146

3.コーダー画面が出てきますので、次のようにtensorboard --logdir=以下にログファイルを格納したディレクタを指定します。

qiita.rb

(tensorflow13) C:\Users\●●●●（私の名前）>tensorboard --logdir=C:\Users\●●●●\Tensorflow_DeepLearnig\logs

4.すると下記が返されるので、http://LAPTOP-1A7IV5KK:6006をコピーし、URLとして貼り付けてください。

qiita.rb

TensorBoard 1.5.1 at http://LAPTOP-1A7IV5KK:6006 (Press CTRL+C to quit)

TensorBoardが起動されました

こんな感じです。なんか、カッコいいですね。

「入力画像（1）」です。

「中間層の重みの分布/ヒストグラム（2）」です。なぜかdistributionも表示されます。（まぁ、当然か）

「誤差関数（loss）（3）」と「精度（accuracy（4）」です。

画像が上手く作れない方が問題でした、笑。