前言

远程服务器上使用screen工具在docker环境训练yolov8模型的时候，不能看到完整的log信息，特别是错误信息，影响代码功能调试。

重定向日志文件

python train_dtld.py 2>&1 | tee my_error_log.txt

理解：

1）python train_dtld.py(水源)：基础命令，负责启动训练模型；

当程序运行起来时，它会输出文字信息(向外“喷水”)。在linux系统中，程序喷出的水管有两根：

• pipeline1：标注输出(standard output，简称stdout)。通常用来输出正常的进度条/打印信息，其内部编号时1。
• pipeline2：标准错误(standard error，简称stderr)。专门用来输出报错信息(CUDA out of memory 或 ModuleNotFoundError)，其内部编号是2。

2）2>&1(合并pipeline)：作用是将pipeline2强行接到pipeline1上；

• 2代表错误信息，>表示重定向，&1表示pipeline1所在的地址；
• 保证无论是正常的进度条还是致命的错误信息，全部混在同一根pipeline中输出。

3）|(管道符)

管道符就像是一个水管连接器，将左边合并好的大水管里的水，毫无保留地输送给右边的下一个命令去处理。

4）tee my_error_log.txt （T型三通阀T-pipe）用于显示程序的输出并将其复制到一个文件中。

作用是将输出的所有信息内容(流过来的水)通过两路输出，一路是直接输出到终端，可以实时查看；一路是输出到log文件，把所有字原封不动地刻录在硬盘上。

故，python train_dtld.py 2>&1 | tee my_error_log.txt 是兼顾了“实时监控”与“案发现场保存”的完美组合形态！

参考

完

各美其美，美美与共，不和他人作比较，不对他人有期待，不批判他人，不钻牛角尖。
心正意诚，做自己该做的事情，做自己喜欢做的事情，安静做一枚有思想的技术媛。

Simple is clean. Complex is clever.
Logic & Aesthetics
Seeking Ground Truth within the pixels.

版权声明，转载请注明出处：https://www.cnblogs.com/happyamyhope/