Ich teste meinen Tensorflow-Code mit Nosetests, aber es produziert so viel ausführliches Output, dass es nutzlos ist.
Der folgende Test
%Vor% Wenn mit nosetests ausgeführt wird, wird eine große Menge nutzloser Protokollierung erzeugt:
Die Verwendung von tensorflow aus der ipython-Konsole scheint jedoch nicht so ausführlich zu sein:
%Vor%Wie könnte ich die vorherige Protokollierung unterdrücken, wenn ich nosetests ausführe?
1.0 Update (20.05.17):
In TensorFlow 1.0 können Sie nun anhand dieses Problems die Protokollierung über die Umgebungsvariable TF_CPP_MIN_LOG_LEVEL steuern. ; Der Standardwert ist 0 (alle Protokolle werden angezeigt), kann jedoch auf 1 gesetzt werden, um INFO -Protokolle herauszufiltern, 2, um WARNING -Protokolle zusätzlich herauszufiltern, und auf 3, um ERROR -Protokolle zusätzlich herauszufiltern. Siehe das folgende generische Betriebssystembeispiel mit Python:
Vorherige Versionen von TensorFlow oder TF-Learn Logging finden Sie unter:
Informationen zur TensorFlow-Protokollierung finden Sie auf der folgenden Seite. Mit dem neuen Update können Sie die Ausführlichkeit der Protokollierung auf DEBUG , INFO , WARN , ERROR oder FATAL festlegen. Zum Beispiel:
Die Seite geht zusätzlich über Monitore, die mit TF-Learn-Modellen verwendet werden können. Hier ist die Seite .
Dies blockiert jedoch nicht die gesamte Protokollierung (nur TF-Learn). Ich habe zwei Lösungen; einer ist eine technisch korrekte Lösung (Linux) und der andere beinhaltet den Wiederaufbau von TensorFlow.
%Vor%Für die andere, siehe diese Antwort , die das Ändern der Quelle und das Neuerstellen von TensorFlow beinhaltet.
Hier ist ein Beispiel dafür . Leider müssen dazu die Quelle und der Wiederaufbau geändert werden. Hier ist ein Tracking-Fehler , um es einfacher zu machen
Tags und Links nose tensorflow deep-learning