代码报错找不到原因?Python logging 5分钟实战,科研调试效率翻倍

上周帮师弟排查一个跑了一周的实验脚本，程序凌晨3点崩溃，屏幕上只留下一行IndexError: list index out of range。他一脸懵："我只改了数据路径，怎么会越界？"

打开他的代码，到处都是print('here')和print(x.shape)，关键变量的值根本没留下来，报错现场已经丢了。用print调试科研代码，就像用创可贴修水管——临时止血，下次还漏。

后来我让他把print全换成logging，加了个文件记录。第二天同样的问题复现时，我们直接翻到日志文件，看到崩溃前10秒的完整变量状态，10分钟定位到bug。

今天分享Python logging的3个实战技巧，从"只会print"到"5分钟定位问题"。文末附可直接复制的配置代码，关注后回复【logging】领取完整模板。

为什么print不适合科研代码？

print的问题不是不能用，是不适合长期调试和复现实验：

科研场景的特殊性在于：实验经常跑几小时甚至几天，崩溃时你不在电脑旁边。没有持久化日志，基本等于白跑。

技巧1：分级记录，避免被无关信息淹没

logging默认有5个级别，对应不同严重程度：

分级的好处是：开发时把级别设成DEBUG看细节，正式跑实验设成INFO只保留关键信息，出了问题再调回DEBUG复现。不用改代码，改级别就行。

技巧2：同时输出到控制台和文件

科研代码最常见的配置：屏幕上只看进度，文件里记完整日志。这样终端清爽，事后又能复盘。

配置代码（可直接复制）：

import logging import sys from datetime import datetime  def setup_logger(log_dir='logs'):     import os     os.makedirs(log_dir, exist_ok=True)          # 日志文件名带时间戳，避免覆盖     log_file = os.path.join(log_dir, f"exp_{datetime.now():%Y%m%d_%H%M%S}.log")          # 创建logger     logger = logging.getLogger('research')     logger.setLevel(logging.DEBUG)  # 捕获所有级别          # 文件处理器：记录所有DEBUG及以上信息     file_handler = logging.FileHandler(log_file, encoding='utf-8')     file_handler.setLevel(logging.DEBUG)     file_format = logging.Formatter(         '%(asctime)s | %(levelname)-8s | %(filename)s:%(lineno)d | %(message)s'     )     file_handler.setFormatter(file_format)          # 控制台处理器：只显示INFO及以上     console_handler = logging.StreamHandler(sys.stdout)     console_handler.setLevel(logging.INFO)     console_format = logging.Formatter('%(levelname)s: %(message)s')     console_handler.setFormatter(console_format)          logger.addHandler(file_handler)     logger.addHandler(console_handler)     return logger  logger = setup_logger()

使用时：

logger.info('实验开始，数据集：CIFAR-10') logger.debug(f'batch shape: {images.shape}, labels: {labels.shape}') logger.warning('学习率已衰减到1e-6，建议检查收敛性') logger.error(f'读取文件失败，跳过: {file_path}')

输出效果：

INFO: 实验开始，数据集：CIFAR-10 2025-08-15 06:30:15 | DEBUG    | train.py:42 | batch shape: (32, 3, 32, 32), labels: (32,) 2025-08-15 06:30:18 | WARNING  | train.py:58 | 学习率已衰减到1e-6，建议检查收敛性

注意：logging.getLogger('research')用同一个名字，保证在多个文件里拿到同一个logger实例，避免重复输出。

技巧3：异常自动捕获，保留崩溃现场

科研代码最痛苦的不是报错，是报错后不知道当时的状态。用logging的exception方法，可以自动记录完整traceback和异常信息。

try:     result = model(input_data)     logger.info(f'推理成功，输出shape: {result.shape}') except Exception:     logger.exception('模型推理失败，输入shape=%s', input_data.shape)     raise

logger.exception会自动把当前异常的traceback写入日志，不需要手动import traceback。

进阶做法：给整个训练流程加一个全局捕获，程序崩溃时自动发通知或保存checkpoint：

def main():     try:         train()     except Exception:         logger.exception('训练过程发生未捕获异常')         # 可以在这里加：保存临时模型、发送邮件/钉钉通知         save_emergency_checkpoint()         raise  if __name__ == '__main__':     main()

科研场景实战：5分钟改造现有代码

假设你原来的训练脚本长这样：

for epoch in range(epochs):     print(f'Epoch {epoch}')     for batch in dataloader:         print(batch.shape)         loss = train_step(batch)         print(f'loss: {loss}')

改造后：

logger = setup_logger() logger.info('训练开始 | epochs=%d | lr=%.1e', epochs, lr)  for epoch in range(epochs):     logger.info('Epoch %d / %d', epoch, epochs)     for batch_idx, batch in enumerate(dataloader):         logger.debug('batch %d shape=%s', batch_idx, batch.shape)         try:             loss = train_step(batch)             if batch_idx % 10 == 0:                 logger.info('batch %d loss=%.4f', batch_idx, loss)         except Exception:             logger.exception('训练失败 | epoch=%d batch=%d', epoch, batch_idx)             raise

核心变化：

• print
  换logger.info/debug
• 关键实验参数用%格式化，避免字符串拼接开销
• 训练步骤加try/except，崩溃时保留上下文
• 高频调试信息用DEBUG级别，默认不显示在控制台

免费vs付费说明

对于绝大多数科研场景，标准库logging完全够用。loguru适合想少写点配置代码的人。

3个常见坑

坑1：每次新建logger导致重复输出。 如果每次调用logging.getLogger()都加一遍handler，同一条日志会被打印多次。正确做法是用同一个名字获取logger，或者判断if not logger.handlers:再加handler。

坑2：日志文件越来越大不清理。 长期跑实验的日志可能占满磁盘。用RotatingFileHandler按大小自动切分，或TimedRotatingFileHandler按天切分。

坑3：不传exc_info就看不到traceback。 在except块里如果只用logger.error('出错')，不会记录traceback。要用logger.exception()或logger.error('出错', exc_info=True)。

5分钟上手清单

关注后回复【logging】，领取

• 科研代码logging完整配置模板（含分级/文件/控制台/异常捕获）
• loguru版极简配置（更适合快速上手）
• RotatingFileHandler自动轮转代码
• 异常自动保存checkpoint的模板
• logging常见坑自查清单

你平时调试科研代码用print多，还是已经用logging了？遇到过最崩溃的一次bug是什么？评论区聊聊，点赞最高的下次专门出一期"科研代码debug实战"。

这是「科研人效率工具系列」第 34 期，上期：导师说论文Method部分像流水账？这套结构化写法让审稿人一眼看懂你的方法。下期预告：导师让你跟踪10个期刊的最新论文？用AI自动监控+摘要翻译，每天省1小时。

— 关注「科研创新社」，每天一个科研效率提升技巧 —