SiameseUIE保姆级教程：test.py输出重定向保存至log文件实操
1. 为什么需要把test.py输出存成log文件？
你刚登录云实例，执行完python test.py，屏幕唰唰滚过一堆结果——模型加载成功、5个测试例子的抽取结果、分隔线、emoji图标……但一关终端，全没了。
这在实际工作中很常见：
- 你想对比不同版本脚本的输出差异；
- 运维同事要查证某次运行是否真的“无报错”；
- 需要把结果发给协作方，总不能截图发5张图；
- 更关键的是：受限云实例重启后环境不重置，但终端历史记录会清空——没有log，等于没运行过。
而官方README里只写了“会输出”，没说怎么持久化保存。这篇教程就补上这个关键缺口：不改一行代码、不装新工具、不碰PyTorch版本，用最基础的Linux重定向语法，把test.py的完整输出原封不动存进log文件——连那个绿色的和分隔线都一模一样。
整个过程只要3条命令，2分钟搞定，小白照着敲就能用。
2. 基础原理：重定向不是黑魔法，是Shell的“管道工”
先说清楚一件事：test.py本身不需要任何修改。它只是老老实实print，而Linux Shell天然支持把“print出来的内容”接走，塞进文件里。就像水龙头（程序输出）接上软管（>符号），另一头插进水桶（log文件）。
你只需要理解这两个符号：
>：覆盖写入。如果log文件已存在，先清空再写；>>：追加写入。如果log文件已存在，在末尾接着写，不删原有内容。
两者都只捕获标准输出（stdout），也就是你看到的绿色文字、分隔线、实体列表。而报错信息（比如红色的Traceback）属于标准错误（stderr），默认不会被>捕获——但好消息是：test.py在受限环境下几乎不报错，所有提示都是stdout，所以>完全够用。
小贴士：为什么不用
tee或script？tee需要额外进程，script会记录键盘输入，在只读受限实例中可能权限不足；而>是bash内置功能，零依赖、零风险、零兼容问题——完美匹配本镜像“免安装、不修改环境”的设计哲学。
3. 实操四步法：从运行到归档，一步不落
3.1 确认当前路径与环境
别跳步骤！很多问题出在路径不对。按README要求，先确保你在正确的目录：
# 检查当前路径（应该显示类似 /root/nlp_structbert_siamese-uie_chinese-base） pwd # 如果不在，按README回到模型目录 cd .. cd nlp_structbert_siamese-uie_chinese-base再确认Python环境已激活（绝大多数情况已默认激活）：
python --version # 应输出类似：Python 3.8.x（对应torch28环境）3.2 执行重定向命令：一条命令，生成log
在模型目录下，直接运行带重定向的命令：
python test.py > test_output_$(date +%Y%m%d_%H%M%S).log 2>&1我们来拆解这条命令：
python test.py：原样执行测试脚本；>：把stdout重定向；test_output_$(date +%Y%m%d_%H%M%S).log：生成带时间戳的log文件名，例如test_output_20241025_143022.log，避免重复覆盖；2>&1：把stderr（标准错误）也合并到stdout，一起写入log——虽然test.py极少报错，但加上更保险。
执行后，终端不会显示任何输出（因为全被导走了），但你会看到命令立刻返回，说明已成功写入。
3.3 验证log文件内容：眼见为实
用cat查看刚生成的log：
# 列出最新生成的log文件（按时间倒序） ls -t test_output_*.log | head -n 1 # 查看内容（用less可翻页，cat适合小文件） cat test_output_20241025_143022.log | head -n 20你应该看到开头是：
分词器+模型加载成功！ ========== 1. 例子1：历史人物+多地点 ========== 文本：李白出生在碎叶城，杜甫在成都修建了杜甫草堂，王维隐居在终南山。 抽取结果： - 人物：李白，杜甫，王维 - 地点：碎叶城，成都，终南山 ----------------------------------------和你在终端里看到的一模一样——包括emoji、空行、分隔线。说明重定向100%生效。
3.4 进阶技巧：自动归档与快速检索
单个log有用，但长期运行会产生一堆文件。加两行命令，让管理更省心：
# 1. 把所有test_output_*.log打包成zip（节省空间，方便传输） zip -q siamese_uie_logs_$(date +%Y%m%d).zip test_output_*.log # 2. 只保留最近7天的log，其余自动清理（防系统盘满） find . -name "test_output_*.log" -mtime +7 -delete如果想快速搜索某次运行是否抽出了“北京”，用grep：
# 在所有log中搜索“北京” grep -l "北京" test_output_*.log # 显示包含“北京”的具体行（带文件名） grep "北京" test_output_*.log这些命令都不依赖额外包，zip、find、grep在所有Linux发行版中都是默认预装的。
4. 常见问题现场解决：报错？卡住？没文件？
4.1 执行后等很久，终端没反应？
这是正常现象。test.py首次加载模型时需从磁盘读取pytorch_model.bin（约300MB），受限于云实例I/O性能，可能需要10–30秒。不要Ctrl+C中断，耐心等待。一旦看到log文件生成（用ls test_output_*.log检查），说明已成功。
4.2 提示“bash: python: command not found”？
说明torch28环境未激活。按README执行：
source activate torch28 # 再运行重定向命令 python test.py > test_output_$(date +%Y%m%d_%H%M%S).log 2>&14.3 log文件为空（0字节）？
大概率是路径错了。检查你是否在nlp_structbert_siamese-uie_chinese-base目录下执行命令。用pwd确认，然后重新执行。
4.4 想把log存到其他目录（比如/home/user/logs）？
可以，但注意两点：
- 目标目录必须存在且有写入权限；
- 路径要用绝对路径，避免相对路径歧义。
例如：
# 先创建目录 mkdir -p /home/user/logs # 执行时指定绝对路径 python test.py > /home/user/logs/test_output_$(date +%Y%m%d_%H%M%S).log 2>&15. 超实用延伸：一个命令，批量跑+自动归档
如果你需要定期运行测试（比如每天凌晨校验模型稳定性），可以把上面所有步骤写成一个shell脚本，实现全自动：
#!/bin/bash # 文件名：run_uie_log.sh，放在模型目录下 # 进入模型目录（确保路径正确） cd /root/nlp_structbert_siamese-uie_chinese-base # 执行测试并生成带时间戳的log python test.py > test_output_$(date +%Y%m%d_%H%M%S).log 2>&1 # 打包当日log zip -q siamese_uie_logs_$(date +%Y%m%d).zip test_output_$(date +%Y%m%d)*.log # 清理7天前的log（保留zip，log可删） find . -name "test_output_$(date -d '7 days ago' +%Y%m%d)*.log" -delete赋予执行权限并运行：
chmod +x run_uie_log.sh ./run_uie_log.sh以后只需双击或定时任务调用这个脚本，全程无人值守。
6. 总结：重定向是运维基本功，更是受限环境生存术
回顾一下，你学会了：
- 为什么必须存log：受限实例重启不丢环境但丢终端历史，log是唯一可信凭证；
- 最简命令是什么：
python test.py > test_output_$(date +%Y%m%d_%H%M%S).log 2>&1，复制即用； - 如何验证是否成功：
cat看内容，ls看文件，和终端输出逐字比对； - 遇到问题怎么自救：路径、环境、等待时间，三招覆盖90%异常；
- 怎么让它更聪明：自动打包、定时清理、一键脚本，把重复劳动变成一次配置。
这一切都没动模型代码，没装新包，没升级PyTorch——完全遵循镜像“开箱即用、最小侵入”的设计原则。你保存的不只是几行文字，而是可追溯、可审计、可协作的AI工程实践证据。
下一次，当同事问“上次测试结果在哪”，你不用翻聊天记录，不用求他重跑，直接发一个带时间戳的log文件过去——专业，就这么简单。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
