TensorFlow设置日志级别的几种方式小结

TensorFlow中的日志系统包含INFO、WARN、ERROR和FATAL四个级别。针对不同的调试需求，可以采用多种方式进行配置。

通过环境变量设置日志级别

第一种方法是通过设置环境变量来控制日志的输出级别。

具体而言，可以通过环境变量TF_CPP_MIN_LOG_LEVEL进行配置，该变量不同取值对应的含义如下表所示：

设定TF_CPP_MIN_LOG_LEVEL的具体数值，即可屏蔽该级别及更低优先级的日志信息。例如，当设置为1时，系统将屏蔽INFO级别以及更低的DEBUG级别日志。

环境变量的设置分为永久生效和临时生效两种模式。

关于永久设置的实现方式。

需要修改系统配置文件，将export TF_CPP_MIN_LOG_LEVEL=1追加到Linux系统的~/.bashrc、~/.zshrc或/etc/profile文件中。若写入/etc/profile，则该设置对所有用户生效。建议将值设置为1或2，不推荐设置为更高级别的3。

关于临时设置的实现方式。

在终端中直接执行export TF_CPP_MIN_LOG_LEVEL="1"命令即可。

在Python代码中实现环境变量设置的方法如下。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = "1"

需要注意的是，os.environ是一个映射对象，用于存储一系列的键值对，系统环境信息均保存其中。若通过print(os.environ['HOME'])输出信息，实际调用的是getenv("HOME")函数；若修改环境变量，则会调用putenv()函数进行更新。

在Python代码中，存在一种常见的错误设置方式。

例如使用os.system("export TF_CPP_MIN_LOG_LEVEL=1")，这是错误的用法。

之所以不能这样使用，是因为无法通过Shell的子进程来改变父Shell的环境变量，具体原因可参考StackOverflow上alex的回答。

通过tf.logging模块设置日志级别

第二种方法是通过tf.logging模块进行设置，这是官方推荐的方式。

在Python代码中可以添加如下部分代码来进行配置。

import tensorflow as tf
tf.logging.set_verbosity(tf.logging.ERROR)

代码中的tf.logging.ERROR可以替换为{DEBUG, INFO, WARN, ERROR, FATAL}中的任意一个级别。

这里有一个区别：当设置为ERROR时，系统将输出ERROR和FATAL级别的日志。

以下是代码测试示例。

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()

运行上述代码后，可以获得ERROR和FATAL级别的日志输出。

以上关于TensorFlow设置日志级别的几种方式小结就是全部内容，希望能给大家一个参考，也希望大家多多支持本站。