Posted in Python onAugust 13, 2019
1. 背景
在深度学习的任务中,通常需要比较长时间的训练,因此我们会选择离开电脑。笔者在跟踪模型表现,
观察模型accuracy 以及 loss 的时候,比较传统的方法是在控制台print输出或者直接使用tensorboard。
但如果是你需要远程观察模型表现,那一个时刻记录的log 文件就非常重要。
(如果你希望不在实验室,远程通过访问正在训练网络的服务器的Jupyter Notebook ,实时查看实验进度。请参考——远程连接服务器端Jupyter Notebook)
2. logging 函数
创建 .log 文件并将一些数据在控制台输出可以通过logging 函数实现。
废话不多,直接贴代码:一下函数可以在你想要保存日志文件的路径——output_dir下生成一个.log 文件,文件名以年.月.日.时.分命名,以免重复。
import logging import time import os def log_creater(output_dir): if not os.path.exists(output_dir): os.makedirs(output_dir) log_name = '{}.log'.format(time.strftime('%Y-%m-%d-%H-%M')) final_log_file = os.path.join(output_dir,log_name) # creat a log log = logging.getLogger('train_log') log.setLevel(logging.DEBUG) # FileHandler file = logging.FileHandler(final_log_file) file.setLevel(logging.DEBUG) # StreamHandler stream = logging.StreamHandler() stream.setLevel(logging.DEBUG) # Formatter formatter = logging.Formatter( '[%(asctime)s][line: %(lineno)d] ==> %(message)s') # setFormatter file.setFormatter(formatter) stream.setFormatter(formatter) # addHandler log.addHandler(file) log.addHandler(stream) log.info('creating {}'.format(final_log_file)) return log
3. 结果
保存后的日志文件差不多就是这样:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。
Python 写入训练日志文件并控制台输出解析
- Author -
SiyuanChen声明:登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。
Reply on: @reply_date@
@reply_contents@