Issues about Logger in PaddleNLP

[wj-Mcat]

背景

PaddleNLP中的logger在最初设计时是支持: logger.train, logger.eval 以及logger常规（info, error）的用法，可是在本项目当中基本上是没用过的，其中一个原因在于：logger没有代码提示。（在IDE中输入.就可以出现logger对象的所有属性）

问题

当前的logger对象本质上是通过给自定义Logger对象绑定不同方法实现的，核心代码如下所示：

PaddleNLP/paddlenlp/utils/log.py

Lines 71 to 93 in e785bb1

	def __init__(self, name: str = None):
	name = 'PaddleNLP' if not name else name
	self.logger = logging.getLogger(name)
	for key, conf in log_config.items():
	logging.addLevelName(conf['level'], key)
	self.__dict__[key] = functools.partial(self.__call__, conf['level'])
	self.__dict__[key.lower()] = functools.partial(
	self.__call__, conf['level'])
	self.format = colorlog.ColoredFormatter(
	'%(log_color)s[%(asctime)-15s] [%(levelname)8s]%(reset)s - %(message)s',
	log_colors={key: conf['color']
	for key, conf in log_config.items()})
	self.handler = logging.StreamHandler()
	self.handler.setFormatter(self.format)
	self.logger.addHandler(self.handler)
	self.logLevel = 'DEBUG'
	self.logger.setLevel(logging.DEBUG)
	self.logger.propagate = False
	self._is_enable = True

存在以下问题：

1. 通过动态绑定，导致logger对象无法实现代码智能提示。
2. 框架当中没有使用.train/.eval等方法，后续的编码过程中可普及。
3. 框架当中普遍使用info,warning，对于debug方法的使用很少，除了pipelines中的模块，同时loglevel的使用也是比较随意。可参考： syslog-Severity_level, Understanding Logging Levels: What They Are & How To Use Them
4. 无法给框架logger添加FileHandler（代码写死，没提供扩展的空间）
5. Logger 打印出的信息可更详细一点，比如添加执行的模块名称、函数名称等

可优化的点

1. 在保证logger正常接口的同时，将Logger类调整成为logger.Logger的子类，同时支持自定义train/eval等方法
2. 添加自定义FileHandler的扩展接口，保证可将框架的训练日志都保存到日志文件当中。
3. 细化logger format，添加细粒度的日志信息
4. 将logger默认level调整成为INFO, 同时还支持自定义设置（通过环境变量设置） logger level。

[ZHUI]

之前 hf 的 trainer 也有部分日志的内容，我没有迁移过来。可以考虑一并迁移。
另外的话，分布式启动的话，日志会重定向log/worklog.0 之类的，注意看看会不会影响我们。

[wj-Mcat]

关于重定向的问题，能否提供简单的复现代码，我这边也可以做有针对性的测试和调整。 @ZHUI

[ZHUI]

分布式训练，默认就有。