Epoch与Global Step的关系

• Epoch：表示完整遍历一次训练数据集的次数。
• Global Step：表示模型已经处理过的batch数量（累计值）。 例如：
  • 若训练集有10,000样本，batch_size=32，则每个epoch包含 10,000/32 ≈ 313 个batch。
  • 训练30个epoch后，global_step = 30 * 313 ≈ 9390。

指标记录方式

PyTorch Lightning通过以下方式记录指标：

(1) 训练指标 (train_loss, train_acc)

• train_loss：在training_step()中返回的损失值，默认每个batch记录一次（即每global_step+1时记录）。
  例如：30个epoch × 10 batch/epoch → 300个train_loss记录点。

• train_acc：需在training_step()或on_train_epoch_end()中手动计算并调用self.log()。

  • 若每个batch记录一次：300个记录点（可能导致噪声）。
  • 若每个epoch记录一次：30个记录点（推荐，需在on_train_epoch_end中计算）。

(2) 验证/测试指标 (test_loss, test_acc)

• test_loss和test_acc：通常在validation_step()或test_step()中计算，并在on_validation_epoch_end()或on_test_epoch_end()中聚合记录。
  • 默认每个epoch记录一次（30个记录点）。
  • 记录频率由check_val_every_n_epoch参数控制（默认每1个epoch验证一次）。