python文件输出log_Python 写入训练日志文件并控制台输出解析

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谷谷点程序。