通过调试信息,我指的是TensorFlow在我的终端中显示的关于加载的库和发现的设备等的内容,而不是Python错误。
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcurand.so locally
I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:900] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
I tensorflow/core/common_runtime/gpu/gpu_init.cc:102] Found device 0 with properties:
name: Graphics Device
major: 5 minor: 2 memoryClockRate (GHz) 1.0885
pciBusID 0000:04:00.0
Total memory: 12.00GiB
Free memory: 11.83GiB
I tensorflow/core/common_runtime/gpu/gpu_init.cc:126] DMA: 0
I tensorflow/core/common_runtime/gpu/gpu_init.cc:136] 0: Y
I tensorflow/core/common_runtime/gpu/gpu_device.cc:717] Creating TensorFlow device (/gpu:0) -> (device: 0, name: Graphics Device, pci bus id: 0000:04:00.0)
I tensorflow/core/common_runtime/gpu/gpu_bfc_allocator.cc:51] Creating bin of max chunk size 1.0KiB
...
2.0更新(10/8/19) 设置
TF_CPP_MIN_LOG_LEVEL
应该仍然有效(请参见下面的v0.12+更新),但当前有一个问题尚未解决(请参见issue #31870)。如果设置TF_CPP_MIN_LOG_LEVEL
对您不起作用(再次,请参见下文),请尝试执行以下操作以设置日志级别:此外,请参阅^{} 上的文档,该文档设置签名日志消息的详细程度-例如:
v0.12+更新(5/20/17),通过TF 2.0+:
在TensorFlow 0.12+中,根据这个issue,您现在可以通过名为
TF_CPP_MIN_LOG_LEVEL
的环境变量控制日志记录;它默认为0(显示所有日志),但可以设置为Level
列下的下列值之一。请参阅以下使用Python的通用操作系统示例:
为了更彻底,还可以调用设置Python^{} 模块的级别,该模块用于summary ops、tensorboard、各种估计器等
对于1.14,如果不按以下方式更改为使用v1 API,则将收到警告:
对于先前版本的TensorFlow或TF Learn测井(v0.11.x或更低版本):
查看下面的页面以获取有关TensorFlow日志记录的信息;通过新的更新,您可以将日志记录详细程度设置为
DEBUG
、INFO
、WARN
、ERROR
或FATAL
。例如:此外,该页面还可以浏览可用于TF学习模型的监视器。Here is the page。
不过,这并不会阻止所有日志记录(仅限于TF Learn)。我有两个解决方案:一个是“技术上正确的”解决方案(Linux),另一个涉及到重建TensorFlow。
另一方面,请参见this answer,这涉及到修改源代码和重建TensorFlow。
我也遇到过这个问题(关于
tensorflow-0.10.0rc0
),但无法通过建议的答案解决过多的鼻子测试日志记录问题。我通过直接探测tensorflow记录器解决了这个问题。不是最正确的修复,但效果很好,只会污染直接或间接导入tensorflow的测试文件:
可以使用
os.environ
禁用所有调试日志:在tf 0.12和1.0上测试
在细节上
相关问题 更多 >
编程相关推荐