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：

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。