1. 背景
在深度學習的任務中，通常需要比較長時間的訓練，因此我們會選擇離開電腦。筆者在跟蹤模型表現(xiàn)，
觀察模型accuracy 以及 loss 的時候，比較傳統(tǒng)的方法是在控制臺print輸出或者直接使用tensorboard。
但如果是你需要遠程觀察模型表現(xiàn)，那一個時刻記錄的log 文件就非常重要。
（如果你希望不在實驗室，遠程通過訪問正在訓練網(wǎng)絡的服務器的Jupyter Notebook ，實時查看實驗進度。請參考――遠程連接服務器端Jupyter Notebook）
2. logging 函數(shù)
創(chuàng)建 .log 文件并將一些數(shù)據(jù)在控制臺輸出可以通過logging 函數(shù)實現(xiàn)。
廢話不多，直接貼代碼：一下函數(shù)可以在你想要保存日志文件的路徑――output_dir下生成一個.log 文件，文件名以年.月.日.時.分命名，以免重復。
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. 結果
保存后的日志文件差不多就是這樣：
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
