深度学习训练模型时将每个epoch的结果输出到log文件中(涉及知识点loguru包的使用)

pip install loguru

loguru是一个功能强大、简单易用的日志库，它提供了一种简单的方式来记录日志。

一.创建utils.py

下面的类用来打开log文件，在该文件中输入内容，然后关闭文件

class Logger(object):
    def __init__(self, filename):
        self.filename = filename
        f = open(self.filename + ".log", "a")
        f.close()

    def write(self, message):
        f = open(self.filename + ".log", "a")
        f.write(message)
        f.close()

二.创建一个main.py,在训练的时侯使用logger

2.1 创建log文件

import loguru
#导入创建的utils
import utils

# 设置log的名字
log_name = (
    "logs/"
    + model_name
    + "_"
    + dataset_name
    + "_"
    + datetime.now().strftime("%Y-%m-%d %H:%M:%S")
)
# 定义logger
logger = utils.Logger(log_name)

2.2 loguru.logger.info()

logger.info()用于记录信息级别的日志。
这意味着它通常用于记录程序运行期间的一般信息，例如程序启动、任务开始、任务结束等。

在日志输出中，信息级别的日志通常被标记为蓝色（在终端中）或绿色（在IDE中），
以便与警告、错误等其他级别的日志进行区分。

例如设置一些参数，使用logger.info()

# 设置参数
model_name = 'distill_student'
dataset_name = "MNIST"
# lr = 0.0001
lr = 1e-4
epochs = 50
alpha = 0.3 # hard_loss权重
temp = 7 # 蒸馏温度
random_seed=0 # 手动设置随机种子

loguru.logger.info(f"lr={lr},epochs={epochs},alpah={alpha},temp={temp}，manual_seed({random_seed})")

效果是在控制台用不同颜色输出信息：

2.3 logger.write()

使用方法就是将原本print()中的内容，换成logger.writer()：
如：

logger.write(f"lr={lr},epochs={epochs},alpah={alpha},temp={temp}，manual_seed({random_seed})")

效果是在设置的log文件输出这些信息。

2.4 一些常用的训练输出语法

logger.write('Epoch:{}\t Accuracy:{:.4f} \n'.format(epoch+1,acc))
        logger.write(f'student_hard_loss={student_hard_loss},ditillation_loss={ditillation_loss},loss={loss}' + '\n')

if epoch %10==0 and epoch!=0:
    logger.write(f"当前最优准确率为:{best_acc},所在的epoch为:{best_epoch}" + '\n')

logger.write(f'最优准确率为{best_acc},所在的epoch为:{best_epoch},最优参数已经保存到:weights/{model_name}_best_acc_params.pth' + '\n')