PyTorch Lightning中TensorBoard HParams标签不显示自定义指标求助

以下是几个可行的排查和解决方向：

• 确认log_hyperparams的调用时机与唯一性
  确保logger.log_hyperparams()只被调用一次，且在训练流程启动前执行（比如LightningModule的__init__方法、setup方法，或者Trainer初始化完成后、训练开始前的代码块中）。多次调用会导致HParams日志混乱，无法正确关联后续的指标数据。

• 严格对齐指标名称
  你在log_hyperparams中定义的metrics键名val_maxroa，必须和validation_step中self.log()的第一个参数完全一致，包括大小写、前缀（比如val_）。你的代码里名称匹配，但可以再检查是否存在拼写错误。

• 分布式训练下添加sync_dist=True
  如果是多GPU/分布式训练场景，单卡的日志数据可能无法被HParams模块聚合。修改validation_step中的日志代码：

  self.log("val_maxroa", maxRoa, sync_dist=True)
  

  该参数会确保指标在分布式环境下被正确同步和聚合，HParams才能拿到有效的最终值。

• 升级TensorBoard版本
  旧版本的TensorBoard对PyTorch Lightning的HParams日志支持存在兼容性问题，建议升级到2.8.0及以上版本：

  pip install --upgrade tensorboard
  

• 验证超参数日志的完整性
  在log_hyperparams调用后，可打印logger.hparams确认超参数是否被正确记录，同时检查lightning_logs目录下的hparams.yaml文件，确认其中包含你传入的settings和metrics配置。

内容的提问来源于stack exchange，提问作者Luca Murra