ray.tune中是否可以禁用默认的tensorboard日志记录功能？

Ray Tune默认生成TensorBoard日志的行为可以通过配置完全关闭，无需安装TensorBoard，运行全程不会产生相关日志文件，具体操作如下：

• 移除默认TensorBoard日志回调
  Ray Tune的TensorBoard记录能力由默认自动加载的TBXLoggerCallback实现，只要在任务配置中排除该回调，就能切断TB日志的生成逻辑：
  针对Ray 2.0+版本常用的Tuner接口，配置示例：

  from ray import tune
  
  tuner = tune.Tuner(
      your_train_func,
      run_config=tune.RunConfig(
          # 回调列表不加入任何TensorBoard相关回调，仅保留自定义需要的回调即可
          callbacks=[],
          log_to_file=False,
          sync_config=tune.SyncConfig(syncer=None)
      )
  )
  result = tuner.fit()
  

  针对旧版本使用tune.run接口的场景，配置示例：

  from ray import tune
  
  analysis = tune.run(
      your_train_func,
      # 清空默认日志记录器列表，移除内置的TensorBoard logger
      loggers=[],
      log_to_file=False
  )
  

• 全局环境变量预关闭（可选）
  如果需要全局禁用所有Ray Tune任务的自动TensorBoard日志，可以在导入Ray前提前设置环境变量，跳过TB日志模块的自动加载：

  import os
  # 导入ray前设置环境变量，关闭自动加载的日志回调
  os.environ["TUNE_DISABLE_AUTO_CALLBACK_LOGGERS"] = "1"
  
  import ray
  ray.init()
  # 后续正常编写调优任务即可，不会生成TensorBoard相关日志
  

校验方式：配置完成后跑一个极简测试任务，检查任务输出目录下是否存在tensorboard_events前缀的文件，无此类文件即代表关闭生效。如果之前手动在代码里添加过TBXLoggerCallback或TBXLogger相关的配置，记得同步删除这类手动引入的TB日志组件，否则配置不生效。

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