anomalib 训练资料logger

### Anomalib 训练过程中日志记录的方法与配置

Anomalib 是一个用于异常检测的库，在训练模型期间，良好的日志记录对于监控和调试至关重要。通过 `TrainingArguments` 可以方便地设置日志记录的相关参数[^1]。

#### 日志记录的主要配置项

为了实现有效的日志记录，可以利用 `TrainingArguments` 中的日志相关选项来控制日志的行为：

- **logging_dir**: 设置保存 TensorBoard 日志文件的位置。
- **logging_steps**: 定义每多少步更新一次日志，默认情况下会按照此频率向指定路径写入日志数据。

from anomalib.scripts.train import TrainingArguments

training_args = TrainingArguments(
    output_dir="./results",
    per_device_train_batch_size=8,
    evaluation_strategy="steps",  # 或 "epoch"
    logging_dir='./logs',
    logging_steps=10,             # 每10个step记录一次日志
    num_train_epochs=3            # 总共训练三个epoch
)

此外，还可以自定义更详细的日志行为，比如调整日志级别、格式化输出等。这通常涉及到修改 Python 的标准日志模块 (logging)，以便更好地适应特定需求。

#### 自定义日志处理器

如果默认的日志功能无法满足项目的需求，则可以通过扩展方式来自定义日志处理逻辑。例如，创建一个新的 Handler 类并将其添加到现有的 Logger 实例中去。

import logging

class CustomLogHandler(logging.Handler):
    def emit(self, record):
        log_entry = self.format(record)
        with open('custom_log.txt', 'a') as f:
            f.write(log_entry + '\n')

logger = logging.getLogger()
handler = CustomLogHandler()
formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
handler.setFormatter(formatter)
logger.addHandler(handler)

# 使用 logger 进行日志记录
logger.info("Custom handler has been added.")