Comment supprimer la sortie de débogage de Tensorflow ?

Mary-Kate Olsen
Libérer: 2024-10-26 15:16:30
original
421 Les gens l'ont consulté

How to Suppress Tensorflow Debugging Output?

Suppression des informations de débogage de Tensorflow

Tensorflow peut afficher des informations de débogage dans le terminal lors de l'initialisation, y compris les bibliothèques chargées et les appareils découverts. Bien que ces informations puissent être utiles à des fins de débogage, elles peuvent également encombrer la console et rendre difficile le suivi des messages importants.

Pour désactiver ces informations de débogage, vous pouvez utiliser le module os.environ :

<code class="python">import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3' 
import tensorflow as tf</code>
Copier après la connexion

Ce code définit le niveau de journalisation minimum pour Tensorflow à 3, supprimant ainsi toutes les informations de débogage.

Les niveaux de journalisation dans Tensorflow vont de 0 à 3, 0 indiquant que tous les messages sont imprimés et 3 indiquant que seuls les messages d'erreur sont imprimés. Voici une répartition des niveaux de journalisation :

  • 0 : Tous les messages sont enregistrés.
  • 1 : Les messages INFO ne sont pas imprimés.
  • 2 : Messages INFO et AVERTISSEMENT ne sont pas imprimés.
  • 3 : Les messages INFO, AVERTISSEMENT et ERREUR ne sont pas imprimés.

Le réglage du niveau de journalisation minimum sur 3 garantit qu'aucune information de débogage n'est affichée, quel que soit le version de Tensorflow utilisée (testée avec les versions 0.12 et 1.0). Cette approche fournit une sortie de console claire et concise, vous permettant de vous concentrer sur les messages essentiels.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

source:php.cn
Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn
Derniers articles par auteur
Tutoriels populaires
Plus>
Derniers téléchargements
Plus>
effets Web
Code source du site Web
Matériel du site Web
Modèle frontal
À propos de nous Clause de non-responsabilité Sitemap
Site Web PHP chinois:Formation PHP en ligne sur le bien-être public,Aidez les apprenants PHP à grandir rapidement!