Impresión de la pérdida durante el entrenamiento TensorFlow

Estoy viendo el tutorial TensorFlow " MNIST For ML Beginners", y quiero imprimir la pérdida de entrenamiento después de cada paso de entrenamiento.

Mi bucle de entrenamiento actualmente se ve así:

for i in range(100):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

Ahora, train_step se define como:

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

Donde cross_entropy es la pérdida que quiero imprimir:

cross_entropy = -tf.reduce_sum(y_ * tf.log(y))

Una forma de imprimir esto sería calcular explícitamente cross_entropy en el bucle de entrenamiento:

for i in range(100):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    cross_entropy = -tf.reduce_sum(y_ * tf.log(y))
    print 'loss = ' + str(cross_entropy)
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

Ahora tengo dos preguntas sobre esto:

1. Dado que cross_entropy ya se calcula durante sess.run(train_step, ...), parece ineficiente calcularlo dos veces, requiriendo el doble del número de pases hacia adelante de todos los datos de entrenamiento. ¿Hay alguna forma de acceder al valor de cross_entropy cuando se calculó durante sess.run(train_step, ...)?

2. ¿Cómo puedo imprimir un tf.Variable? Usar str(cross_entropy) me da un error...

¡Gracias!