TensorFlow设置日志级别的几种方式小结
TensorFlow中的log共有INFO、WARN、ERROR、FATAL4种级别。有以下几种设置方式。
1.通过设置环境变量控制log级别
可以通过环境变量TF_CPP_MIN_LOG_LEVEL进行设置，TF_CPP_MIN_LOG_LEVEL的不同值的含义分别如下：
| Level | LevelforHumans | LevelDescription |
|---|---|---|
| 0 | DEBUG | allmessagesarelogged( |
| 1 | INFO | INFOmessagesarenotprinted |
| 2 | WARNING | INFOandWARNINGmessagesarenotprinted |
| 3 | ERROR | INFO,WARNING,andERRORmessagesarenotprinted |
设置TF_CPP_MIN_LOG_LEVEL的值，屏蔽该级别以及更低级别的日志，如：设置为1，表示屏蔽自己级别的INFO和更低级别的DEBUG日志。
设置环境变量，有两种方式，一种是永久设置，一种临时性设置。
永久设置
修改环境变量：将exportTF_CPP_MIN_LOG_LEVEL=1加入到Linux的~/.bashrc、~/.zshrc或/etc/profile配置文件中，其中加入到/etc/profile文件是对所有用户都有效。可以在配置文件中设置为1或者2，不建议设置为更高级别的3.
临时性设置
终端中输入exportTF_CPP_MIN_LOG_LEVEL="1"
python代码实现方法
importos os.environ['TF_CPP_MIN_LOG_LEVEL']="1"
ps：os.environ是一个mapping，一系列的键、值对存储在该mapping中，系统环境信息全部存储在该mapping中。如果是print(os.environ['HOME'])这样输出信息，调用的是getenv("HOME")函数，如果环境变量被改变，将会调用putenv()函数进行修改。
python代码中一种错误的设置方法：
os.system("exportTF_CPP_MIN_LOG_LEVEL=1")–错误用法
不能使用的原因—不能通过shell的子进程改变shell的环境变量—具体可以参考stackoverflowalex的回答。
2.通过tf.logging模块进行设置–推荐
python代码中可以添加如下部分代码进行设置。
importtensorflowastf tf.logging.set_verbosity(tf.logging.ERROR)
tf.logging.ERROR可以换成{DEBUG,INFO,WARN,ERROR,FATAL}中的任何一个。
这里有所不同，设置ERROR，将输出ERROR、FATAL级别日志。
代码测试：
defmain(self):
tf.logging.set_verbosity(tf.logging.ERROR)
tf.logging.debug("debug")
tf.logging.info("info")
tf.logging.warning("warning")
tf.logging.error("error")
tf.logging.fatal("fatal")
if__name__=='__main__':
tf.app.run()
运行上述代码，可以获得ERROR、FATAL级别日志。
以上这篇TensorFlow设置日志级别的几种方式小结就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。