TensorFlow设置日志级别的几种方式小结
TensorFlow中的log共有INFO、WARN、ERROR、FATAL 4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 | Level for Humans | Level Description |
---|---|---|
0 | DEBUG | all messages are logged (Default) |
1 | INFO | INFO messages are not printed |
2 | WARNING | INFO and WARNING messages are not printed |
3 | ERROR | INFO, WARNING, and ERROR messages are not printed |
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export TF_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export TF_CPP_MIN_LOG_LEVEL="1"
python代码实现方法
import os 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("export TF_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 stackoverflow alex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。
import tensorflow as tf 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:
def main(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我们。