trainer.callback_metricsが表示できない(空のdictが返却される)

実現したいこと

前提

以下のサイトのpytorch-lightningを使った学習をやったところ、全く同じソースを実行しているつもりなのですが、
https://free.kikagaku.ai/tutorial/basic_of_deep_learning/learn/pytorch_classification

一番最後のtrainer.callback_metricsの確認結果が表示されません。
※特に途中でエラーが発生しているということはないです。

ご教示いただきたいです。

発生している問題・エラーメッセージ

trainer.callback_metricsで期待通りの値にならない(空のdictが返却される)
期待値：
{'loss': 0.05683613941073418,
'test_acc': 0.9750000238418579,
'test_loss': 0.10801426321268082,
'val_acc': 0.9750000238418579,
'val_loss': 0.16051073372364044}

私の環境：
{}

該当のソースコード

python
1import numpy as np
2import pandas as pd
3import torch
4
5df = pd.read_csv("./wine_class.csv")
6np.unique(df['Class'], return_counts=True)
7#→(array([1, 2, 3]), array([59, 71, 48]))
8
9x = df.drop('Class', axis=1)
10t = df['Class']
11
12# サイズの確認　((178, 10), (178,))
13x.shape, t.shape
14
15# Tensor 形式へ変換
16x = torch.tensor(x.values, dtype=torch.float32)
17t = torch.tensor(t.values, dtype=torch.int64)
18t = t-1
19
20import torch.utils.data
21# 入力変数と目的変数をまとめて、ひとつのオブジェクト dataset に変換
22dataset = torch.utils.data.TensorDataset(x, t)
23
24# 各データセットのサンプル数を決定
25# train : val : test = 60% : 20% : 20%
26n_train = int(len(dataset) * 0.6)
27n_val = int((len(dataset) - n_train) * 0.5)
28n_test = len(dataset) - n_train - n_val
29
30# サンプル数の確認　(106, 36, 36)
31n_train, n_val, n_test
32
33# ランダムに分割を行うため、シードを固定して再現性を確保
34torch.manual_seed(0)
35
36# データセットの分割
37train, val, test = torch.utils.data.random_split(dataset, [n_train, n_val, n_test])
38
39import pytorch_lightning as pl
40# バージョンの確認　'2.0.0'
41pl.__version__
42
43import torch.nn as nn
44import torch.nn.functional as F
45
46# 学習データに対する処理
47class TrainNet(pl.LightningModule):
48
49    def train_dataloader(self):
50        return torch.utils.data.DataLoader(train, self.batch_size, shuffle=True)
51
52    def training_step(self, batch, batch_nb):
53        x, t = batch
54        y = self.forward(x)
55        loss = self.lossfun(y, t)
56        results = {'loss': loss}
57        return results
58
59# 検証データに対する処理
60class ValidationNet(pl.LightningModule):
61
62    def val_dataloader(self):
63        return torch.utils.data.DataLoader(val, self.batch_size)
64
65    def validation_step(self, batch, batch_nb):
66        x, t = batch
67        y = self.forward(x)
68        loss = self.lossfun(y, t)
69        y_label = torch.argmax(y, dim=1)
70        acc = torch.sum(t == y_label) * 1.0 / len(t)
71        results = {'val_loss': loss, 'val_acc': acc}
72        return results
73
74    def validation_end(self, outputs):
75        avg_loss = torch.stack([x['val_loss'] for x in outputs]).mean()
76        avg_acc = torch.stack([x['val_acc'] for x in outputs]).mean()
77        results = {'val_loss': avg_loss, 'val_acc': avg_acc}
78        return results
79
80# テストデータに対する処理
81class TestNet(pl.LightningModule):
82
83    def test_dataloader(self):
84        return torch.utils.data.DataLoader(test, self.batch_size)
85
86    def test_step(self, batch, batch_nb):
87        x, t = batch
88        y = self.forward(x)
89        loss = self.lossfun(y, t)
90        y_label = torch.argmax(y, dim=1)
91        acc = torch.sum(t == y_label) * 1.0 / len(t)
92        results = {'test_loss': loss, 'test_acc': acc}
93        return results
94
95    def test_end(self, outputs):
96        avg_loss = torch.stack([x['test_loss'] for x in outputs]).mean()
97        avg_acc = torch.stack([x['test_acc'] for x in outputs]).mean()
98        results = {'test_loss': avg_loss, 'test_acc': avg_acc}
99        return results
100
101# 学習データ、検証データ、テストデータへの処理を継承したクラス
102class Net(TrainNet, ValidationNet, TestNet):
103
104    def __init__(self, input_size=10, hidden_size=5, output_size=3, batch_size=10):
105        super(Net, self).__init__()
106        self.fc1 = nn.Linear(input_size, hidden_size)
107        self.fc2 = nn.Linear(hidden_size, output_size)
108        self.batch_size = batch_size
109
110    def forward(self, x):
111        x = self.fc1(x)
112        x = F.relu(x)
113        x = self.fc2(x)
114        return x
115
116    def lossfun(self, y, t):
117        return F.cross_entropy(y, t)
118
119    def configure_optimizers(self):
120        return torch.optim.SGD(self.parameters(), lr=0.1)
121
122from pytorch_lightning import Trainer
123# 学習に関する一連の流れを実行
124torch.manual_seed(0)
125
126net = Net()
127trainer = Trainer()
128
129trainer.fit(net)
130
131trainer.test()
132
133trainer.callback_metrics
134# {} が返ってくる