tensorboard显示进度条

可以使用TensorBoard的`tf.summary.scalar`函数来显示进度条。下面是一个简单的例子：

import tensorflow as tf

# 创建一个变量来跟踪训练步骤
global_step = tf.Variable(0, name='global_step', trainable=False)

# 在训练过程中，使用tf.summary.scalar来记录损失和准确率
loss = ...
accuracy = ...
tf.summary.scalar('loss', loss)
tf.summary.scalar('accuracy', accuracy)

# 选择一个汇总操作来结合所有的汇总信息
merged_summary_op = tf.summary.merge_all()

# 在训练过程中，周期性地运行汇总操作
with tf.Session() as sess:
    # 初始化变量
    sess.run(tf.global_variables_initializer())

    # 创建一个写入器，用于写入汇总信息
    summary_writer = tf.summary.FileWriter('/tmp/tensorboard_logs', sess.graph)

    # 训练循环
    for i in range(1000):
        # 运行训练操作，更新global_step
        sess.run(train_op, feed_dict={...})

        # 每100步记录一次汇总信息
        if i % 100 == 0:
            # 运行汇总操作，获取汇总信息
            summary = sess.run(merged_summary_op, feed_dict={...})

            # 将汇总信息写入文件
            summary_writer.add_summary(summary, global_step=sess.run(global_step))

    # 关闭写入器
    summary_writer.close()

在上面的例子中，我们首先创建了一个变量`global_step`来跟踪训练步骤。然后，我们使用`tf.summary.scalar`函数来记录损失和准确率，并选择一个汇总操作来结合所有的汇总信息。在训练过程中，我们周期性地运行汇总操作，并将汇总信息写入文件。最后，我们关闭写入器。