使用Lightning Trainer、WandB和Hydra记录模型时的配置结构异常问题

核心原因 #

WandB Logger在记录模型工件时会递归遍历模型的可迭代属性，而OmegaConf对象本身属于可迭代类型（会遍历字符串键的单个字符），最终导致self.cfg被拆分为单个字符的键值对。

解决方案 #

方案1：保留OmegaConf引用，同时存入字典格式配置 #

在LightningModule中同时保留OmegaConf实例（满足代码可读性）和字典格式的配置（供WandB正确记录）：

from omegaconf import OmegaConf
import pytorch_lightning as pl

class MyModel(pl.LightningModule):
    def __init__(self, cfg):
        super().__init__()
        # 保留OmegaConf实例，继续使用点表示法访问
        self.cfg = cfg
        # 转为字典并存入模型超参数，WandB会读取这个结构
        self.save_hyperparameters(OmegaConf.to_container(cfg, resolve=True))

方案2：手动传入配置给WandB Logger #

初始化WandB Logger时直接传入转好的字典配置，避免依赖模型属性遍历：

wandb_logger = WandbLogger(
    log_model='all',
    project=cfg.experiment_name,
    name=cfg.experiment_name,
    config=OmegaConf.to_container(cfg, resolve=True)
)

此方法下，WandB会直接使用传入的config参数，不会再遍历模型的self.cfg属性。

方案3：标记OmegaConf属性为非日志追踪项 #

通过PyTorch Lightning的工具标记self.cfg，让WandB Logger跳过对它的遍历：

from pytorch_lightning.utilities import ignore_logger
import pytorch_lightning as pl

class MyModel(pl.LightningModule):
    def __init__(self, cfg):
        super().__init__()
        # 标记cfg属性不被日志追踪
        @ignore_logger
        def _get_cfg():
            return cfg
        self.cfg = _get_cfg()

验证方式 #

启动训练后，在WandB平台的模型工件页面查看Run Config，应该能看到正常的层级配置结构，而非单个字符的拆分；同时代码中依然可以使用self.cfg.dataset.batch_size这类点表示法访问配置项。

内容的提问来源于stack exchange，提问作者user27352447