首先看到训练时会在命令行里输出 loss 和 total loss，那是怎么做到的呢，通过分析 train.py 源码，看到如下代码

    total_loss = tf.cond(
        should_log,
        lambda: tf.Print(total_loss, [total_loss], 'Total loss is :'),
        lambda: total_loss)

    summaries.append(tf.summary.scalar('total_loss', total_loss))

是把 total_loss 加到了 summaries 里，然后就会输出在命令行了，那 summaries 是什么呢？

通过百度看到一篇不错的博客：https://www.cnblogs.com/lyc-seu/p/8647792.html

简单说就是在训练过程中，用tf.summary()的各类方法，能够保存训练过程以及参数分布图。并在tensorboard显示，tensorboard还没用过，等会再看看

解决方法：

照搬 train 的思路，新建一个 op，是个 tf.Print()，再加到 summaries 里应该就OK了

    print_miou = tf.Print(miou, [miou], 'miou is:')  #创建tf.Print()的op
    tf.summary.scalar('print_miou', print_miou)      #把这个op加到summary里，后面在tf.contrib.training.evaluate_repeatedly中会自动调用
    summary_op = tf.summary.merge_all()

 tf.Print参考这里：https://blog.csdn.net/thormas1996/article/details/81224405