PyTorch Lightning中TensorBoard未生成日志文件问题排查

算力阿峰

2026-8-22

问题排查与解决步骤

以下是导致TensorBoard日志未生成的关键问题及修复方案：

未启动训练流程
你提供的代码缺少训练触发步骤，PyTorch Lightning只有在调用trainer.fit()后才会开始写入日志。需在Trainer初始化后添加：
```
trainer.fit(model, train_dataloader=train_loader, val_dataloaders=val_loader)
# 或使用DataModule：trainer.fit(model, datamodule=your_datamodule)
```
TensorBoardLogger路径配置错误
TensorBoardLogger的第一个参数save_dir是日志根目录，name会在该目录下创建子文件夹。如果/my_path/to/tb_logs就是你要存放日志的目标文件夹，需调整参数：
```
# 方式1：指定根目录，name设为目标子文件夹名
tb_logger = TensorBoardLogger(save_dir="/my_path/to", name="tb_logs")
# 方式2：直接用目标目录作为save_dir，name留空
tb_logger = TensorBoardLogger(tensorboard_output_folder, name="")
```
否则日志会被写入/my_path/to/tb_logs/my_logger，而非你预期的目录。

TorchMetrics日志逻辑问题
直接log metric对象且on_step=True时，需确保step级别准确率计算正确。可改为显式计算当前step结果：

def training_step(self, batch, batch_nb):
    outputs, labels, loss = self._common_step(batch, batch_nb)
    step_acc = self._train_accuracy(outputs, labels)
    
    self.log("training_loss", loss, on_step=True, on_epoch=False)
    self.log("training_accuracy", step_acc, on_step=True, on_epoch=False)

同时需确认_common_step返回的outputs是否符合Accuracy的输入要求（比如是否是概率/ logits，是否需要先做softmax）。