# 日志
[](https://gitee.com/mindspore/docs/blob/r2.7.0rc1/docs/mindformers/docs/source_zh_cn/feature/logging.md)
## 日志保存
### 概述
MindSpore Transformers 会将模型的训练配置、训练步数、Loss、吞吐率等信息写入日志中，开发者可以自行指定日志存储的路径。
### 训练日志的目录结构
在训练过程中，MindSpore Transformers 默认会在输出目录（默认为 `./output` ）中生成训练日志目录： `./log` 。
而当使用 `ms_run` 方式启动训练任务时，将会默认同时在输出目录下额外生成日志目录： `./msrun_log` 。
| 文件夹 | 描述 |
|------------|-----------------------------------------------------------------------------------------------------------------------------------------------|
| log | 以 `rank_{i}` 文件夹来划分保存每一张卡的日志信息。（ `i` 对应为训练任务所用的 NPU 卡号）
每一个 `rank_{i}` 文件夹底下将包括 `info.log` 和 `error.log` 来分别记录训练时输出的 INFO 级别和 ERROR 级别的信息。 |
| msrun_log | 以 `worker_{i}.log` 来记录每一张卡的训练日志（包括报错信息）， `scheduler.log` 则记录了 msrun 的启动信息。
一般更常通过此文件夹查看训练日志信息。 |
以一个使用 `msrun` 当时启动的 8 卡任务为例，具体日志结构如下所示：
```text
output
├── log
├── rank_0
├── info.log # 记录 0 号卡的训练信息
└── error.log # 记录 0 号卡的报错信息
├── ...
└── rank_7
├── info.log # 记录 8 号卡的训练信息
└── error.log # 记录 8 号卡的报错信息
└── msrun_log
├── scheduler.log # 记录各张卡之间的通信信息
├── worker_0.log # 记录 0 号卡的训练及信息
├── ...
└── worker_7.log # 记录 8 号卡的训练及信息
```
### 配置与使用
MindSpore Transformers 默认会在训练的 yaml 文件中指定文件输出路径为 `./output` 。如果在 `mindformers` 路径下启动训练任务，则训练产生的日志输出将默认保存在 `mindformers/output` 下。
#### YAML 参数配置
如果需要重新指定输出的日志文件夹，可以在 yaml 中修改配置。
以 [`DeepSeek-V3` 预训练 yaml](https://gitee.com/mindspore/docs/blob/r2.7.0rc1/docs/mindformers/docs/source_zh_cn/example/deepseek3/pretrain_deepseek3_671b.yaml) 为例，可做如下配置：
```yaml
output_dir: './output' # path to save logs/checkpoint/strategy
```
#### 单卡任务指定输出目录
除了 yaml 文件配置来指定，MindSpore Transformers 还支持在 [run_mindformer 一键启动脚本](https://www.mindspore.cn/mindformers/docs/zh-CN/r1.6.0/feature/start_tasks.html?highlight=%E6%97%A5%E5%BF%97#run-mindformer%E4%B8%80%E9%94%AE%E5%90%AF%E5%8A%A8%E8%84%9A%E6%9C%AC) 中，使用 `--output_dir` 启动命令对日志输出路径做指定。
> 如果在这里配置了输出路径，将会覆盖 yaml 文件中的配置！
#### 分布式任务指定输出目录
如果模型训练需要用到多台服务器，使用[分布式任务拉起脚本 msrun_launcher.sh](https://www.mindspore.cn/mindformers/docs/zh-CN/r1.6.0/feature/start_tasks.html?highlight=%E6%97%A5%E5%BF%97#%E5%88%86%E5%B8%83%E5%BC%8F%E4%BB%BB%E5%8A%A1%E6%8B%89%E8%B5%B7%E8%84%9A%E6%9C%AC) 来启动分布式训练任务。
在设置了共享存储的情况下，还可以在启动脚本中指定入参 `LOG_DIR` 来指定 Worker 以及 Scheduler 的日志输出路径，将所有机器节点的日志都输出到一个路径下，方便统一观察。