tensorboard+loss

在使用TensorBoard时，可以通过添加`tf.summary.scalar`来记录损失值。下面是一个示例代码：

import tensorflow as tf

# 定义损失函数
loss = ...

# 创建一个用于记录损失的summary
tf.summary.scalar('loss', loss)

# 合并所有的summary
merged_summary = tf.summary.merge_all()

# 创建一个用于写入summary的文件写入器
summary_writer = tf.summary.FileWriter('logs')

with tf.Session() as sess:
    # ...

    # 在训练过程中，每个step都运行一次merged_summary和summary_writer
    _, summary = sess.run([train_op, merged_summary])
    summary_writer.add_summary(summary, global_step)

    # ...

# 关闭summary_writer
summary_writer.close()

在上面的代码中，我们首先定义了一个损失函数`loss`，然后使用`tf.summary.scalar`创建了一个用于记录损失的summary。接着，我们使用`tf.summary.merge_all()`将所有的summary合并起来，创建一个用于写入summary的文件写入器`summary_writer`。在训练过程中，每个step都运行一次`merged_summary`和`summary_writer`，将summary写入到文件中。最后，记得关闭`summary_writer`。

这样，当你在TensorBoard中查看日志时，就可以看到损失值的变化了。