在训练模型的过程中，总会进行调参工作。
原则上是，让机器跑，人抽身出来，做更愉悦身心的事。
此时，就可以想办法把调参过程中的参数保留下来，等事后再来观察结果，分析结论。
那么有什么打LOG的方法呢？
1. 首先是利用第三方工具，logging,去打log。
但这种方法要求你在代码中要定义相应的logging。
比如logging.info(“这是一条log”)
假设用第三方的代码，人家用print输出，那你就毫无办法了。
2. 其次是利用自带的工具，比如tensorflow中自己会自带一些打log的工具。
而我这一次使用的Chainer，也有自己的log组件。
trainer.extend(extensions.LogReport(log_name="log_file.txt"))可是这个log组件，并不好用，它只能存储上一次的log_file，也就是最近一次运行的log。
我没有在文档里发现解决只能存储最后一次的方案，并且，其输出模式受到限制。
或许重写是个好办法。
3. 第三种是文件重定向的方法。
比如说用>> 方法，将print的信息直接输出到文档中去。
但这种方法付出的代价是不能在输出中看到print的信息，那有的时候，我们想要同时观察，那就只能打开log文件。
有个方法是 tee 命令，然而问题是，在我这里它是无效的！无效的！有解决方案请联系我。
4. 第四种是tmux的方法。
用tmux这个工具可以解决这个问题，因为我们可以用control + b +【 去查看相应的存储区的记录。
可惜，这个记录是有限的，大伙可以调控，2000行，5000行都可以。如果超了，就没记录了。
那么只要将所有记录保存在文件中就行了。
在进入tmux的某个session之后，用如下代码，就可以将其保存了。
记住，一定要在前面加tmux,并且，一定要有exec cat >> ,直接的路径，在我这里，是没有保存的。（或许有，在整个计算机里搜索一下，我没有做这件事。）
tmux pipe-pane -o "exec cat >> /home/guowei/contextual_augmentation/log1.txt"祝好： 联系方式：945786604@qq.com