多次重写PyTorch Lightning回调的影响？重写on_train_batch_end()能否同时生效？

1. 多次覆盖PyTorch Lightning的回调方法会产生什么结果？ #

分两种场景来看：

• 如果是同一个回调类中重复定义同名回调方法：Python语法不允许类内重复定义同名方法，后写的方法会直接覆盖之前的，最终只有最后定义的版本生效。
• 如果是多个不同回调类都重写了同一个回调方法，且都被添加到Trainer的callbacks列表中：这些重写后的方法会按回调传入的顺序依次执行。比如先传入CallbackA再传入CallbackB，就会先运行CallbackA的方法，再运行CallbackB的。

2. 继承Callback和ModelCheckpoint分别重写on_train_batch_end()，两个方法能否同时生效？ #

可以同时生效，只要把这两个自定义回调都传入Trainer的callbacks参数即可。

需要注意两点：

• ModelCheckpoint本身的on_train_batch_end()包含检查点保存的核心逻辑，如果你重写时没有调用super().on_train_batch_end(*args, **kwargs)，原有的自动保存checkpoint的功能会失效，只会执行你自定义的逻辑。
• 两个回调方法的执行顺序由你在callbacks列表中的放置顺序决定，先放的先执行。

内容的提问来源于stack exchange，提问作者cax1165