lightning框架

基本知识

max_epoch：指训练过程中完整遍历整个训练数据集的总次数。例如，max_epoch=10表示模型会把训练集中的所有样本完整过一遍，重复 10 次。
batch_size：指每次模型更新参数时输入的样本数量。例如，batch_size=32表示每次从数据集中抽取 32 个样本，计算损失并更新一次模型参数。具体在模型里的tran_step或者val_step、test_step中
2. 核心关系：共同决定训练总迭代次数
假设训练数据集总样本数为N，则：
每个 epoch 的迭代次数（steps） = 总样本数 /batch_size（向上取整）。
例如：若N=1000，batch_size=32，则每个 epoch 需要 1000÷32≈31.25 → 32 次迭代（最后一个 batch 可能不足 32 个样本）
设定epoch=1
def test_step(self, batch, batch_idx):
data, curves, plain_target = batch
predict_curve = self(data)
mse = nn.functional.mse_loss(predict_curve, curves)
self.log("test_mse",mse,on_epoch=True,prog_bar=True)
test_step 中计算的 mse 仅针对当前这个批次batch，是批次内样本的平均 MSE。
on_epoch=True 会让 Lightning 在整个测试 epoch 结束后，对所有批次的 mse 结果进行聚合（默认是取平均）