PL lightning trainer提供了一个参数log_every_n_steps，它声明控制“多久添加一次日志记录行”，但是这里实际调用的函数是什么？我们可以使用下面的示例代码来完成我们自己的日志记录每一步
log_every_n_steps
def training_step(self, batch, batch_idx): self.log("performance", {"acc": acc, "recall": recall})
但是训练师在每第n步都做同样的事情吗？
qni6mghb1#
log_every_n_steps将每n个批次生成一次训练日志。如果on_step=True，则self.log将使用此值。如果您想要一个不太臃肿的日志文件，仅包含每个epoch的结果，则可以使用self.log(metrics, on_step=False, on_epoch=True)
on_step=True
self.log
self.log(metrics, on_step=False, on_epoch=True)
qeeaahzv2#
PyTorch Lightning中的Trainer对象有一个log_every_n_steps参数，该参数指定每个日志事件之间的训练步骤数。如果日志间隔大于训练批次数，则不会为每个训练epoch打印日志。要解决此警告，可以通过为log_every_n_steps设置较低值来减小日志记录间隔，也可以通过增加批大小或训练样本数来增加训练批的数量。trainer = Trainer（log_every_n_steps=1）
2条答案
按热度按时间qni6mghb1#
log_every_n_steps将每n个批次生成一次训练日志。如果on_step=True，则self.log将使用此值。如果您想要一个不太臃肿的日志文件，仅包含每个epoch的结果，则可以使用self.log(metrics, on_step=False, on_epoch=True)qeeaahzv2#
PyTorch Lightning中的Trainer对象有一个log_every_n_steps参数，该参数指定每个日志事件之间的训练步骤数。如果日志间隔大于训练批次数，则不会为每个训练epoch打印日志。
要解决此警告，可以通过为log_every_n_steps设置较低值来减小日志记录间隔，也可以通过增加批大小或训练样本数来增加训练批的数量。
trainer = Trainer（log_every_n_steps=1）