tensorboard打开没有任何内容

[YYrgb]

import mne
import torch
import random
import numpy as np
from torch.utils.data import Dataset
import warnings
import os
import re

warnings.filterwarnings("ignore", category=np.VisibleDeprecationWarning)

random_seed = 777
np.random.seed(random_seed)
torch.manual_seed(random_seed)
random.seed(random_seed)

class TorchDataset(Dataset):
def init(self, paths, sfreq, rfreq, scaler: bool = False):
super().init()
self.x, self.y = self.get_data(paths, sfreq, rfreq, scaler)
self.x, self.y = torch.tensor(self.x, dtype=torch.float32), torch.tensor(self.y, dtype=torch.long)

@staticmethod
def get_data(paths, sfreq, rfreq, scaler_flag):
    info = mne.create_info(sfreq=sfreq, ch_types='eeg', ch_names=['Fp1'])
    scaler = mne.decoding.Scaler(info=info, scalings='median')
    total_x, total_y = [], []

    for path in paths:
        # 获取信号文件名的前缀部分（例如 SC4161E0）
        base_name = os.path.basename(path).split('-')[0]  # 提取 "SC4161E0"

        # 构造对应的注释文件路径，替换 E0 为 EC 和 PSG 为 Hypnogram
        annotation_path = path.replace(base_name, base_name.replace('E0', 'EC')).replace('PSG', 'Hypnogram')

        # 检查注释文件是否存在
        if not os.path.exists(annotation_path):
            raise FileNotFoundError(f"Annotation file does not exist: {annotation_path}")

        # 读取信号文件和注释文件
        raw = mne.io.read_raw_edf(path, preload=True)
        annotations = mne.read_annotations(annotation_path)

        # 将注释添加到信号文件
        raw.set_annotations(annotations)

        # 提取信号数据
        x = raw.get_data().T  # 转置为 [samples, channels]
        y = raw.annotations.description  # 注释标签

        # 扩展维度以符合网络输入的要求
        x = np.expand_dims(x, axis=1)

        if scaler_flag:
            x = scaler.fit_transform(x)

        # 转换为 EpochsArray 进行重采样
        x = mne.EpochsArray(x, info=info)
        x = x.resample(rfreq)
        x = x.get_data().squeeze()  # 获取数据并移除多余的维度

        total_x.append(x)
        total_y.append(y)

    # 合并所有数据
    total_x, total_y = np.concatenate(total_x), np.concatenate(total_y)
    return total_x, total_y

def __len__(self):
    return len(self.y)

def __getitem__(self, item):
    x = torch.tensor(self.x[item])
    y = torch.tensor(self.y[item])
    return x, y
   我的数据集是sleep-edfx 2013 ,数据是将psg.edf 和hypnogram.psg放在一块，我根据代码报错将data_loader修改成这样，于是接着运行train文件，这个文件一直在运行，只是打印出来一些内容，而且我想打开tensorboard看看，但是打开后，没有任何东西。而且我的日志文件只有1kb，我不知道怎么办了，如果能获得帮助，十分感谢