Python 如何禁用“警告”；tensorflow：方法（在\u列\u批处理\u端）与批处理更新（）相比速度较慢。请检查您的回电；

我正在尝试以keras风格使用tensorflow 2.0实现，因此我需要每一步更新SWA模型权重。我已经编写了一个自定义回调来实现这一点，但我每一步都会收到警告。以下是一些细节：

我的自定义回调：

类CustomCallback（tf.keras.callbacks.Callback）：
定义初始值（自、有效数据、输出路径、swaα=0.99、每评估一次=500、评估批次=16、折叠=无）：
self.valid\u输入=有效的\u数据[0]
self.valid\u输出=有效的\u数据[1]
self.eval\u batch=eval\u batch
self.swa_alpha=swa_alpha
self.fold=折叠
self.output\u path=输出路径
self.rho_值=-1#记录报告的最佳rho
self.eval\u every=eval\u every
列车上的def开始（self，logs={}）：
self.swa_weights=self.model.get_weights（）
批处理端上的def（self、batch、logs={}）：
#更新swa参数
alpha=最小值（1-1/（批次+1），自清洗alpha）
当前_权重=self.model.get_权重（）
对于i，枚举中的层（self.model.layers）：
self.swa_权重[i]=alpha*self.swa_权重[i]+（1-alpha）*当前_权重[i]
#验证
如果批次>0且批次%self.eval_every==0：
#验证
val\u pred=self.model.predict（self.valid\u输入，批次大小=self.eval\u批次）
rho_val=compute_spearmanr（self.valid_outputs，val_pred）#度量
#设置swa参数并进行验证
self.model.set_权重（self.swa_权重）
swa_val_pred=self.model.predict（self.valid_输入，批次大小=self.eval_批次）
swa_rho_val=compute_spearmanr（自有效输出，swa_val_pred）
#重置原始参数
self.model.set_权重（当前_权重）
#检查是否保存模型并更新最佳rho值
如果rho_val>self.rho_值：
self.rho_值=rho_值
self.model.save_权重（f'{self.output_path}/fold-{fold}-best.h5'）
del当前重量
gc.collect（）

输出如下所示：

WARNING:tensorflow:Method (on_train_batch_end) is slow compared to the batch update (11.428264). Check your callbacks.
WARNING:tensorflow:Method (on_train_batch_end) is slow compared to the batch update (11.464315). Check your callbacks.
WARNING:tensorflow:Method (on_train_batch_end) is slow compared to the batch update (11.502968). Check your callbacks.
WARNING:tensorflow:Method (on_train_batch_end) is slow compared to the batch update (11.518413). Check your callbacks.

我每一步都会收到警告，这意味着在不运行验证代码的情况下，更新SWA参数的代码（

self.model.get_weights（）

和下面的

for

循环）足够慢

我知道更新参数非常慢，因为

model.get_weights（）

和

model.set_weights（）

都会对参数进行深度复制（根据我的实验，新的numpy数据数组的新列表）

我认为我的SWA实现没有问题（如果有任何bug，请告诉我），所以我只想禁用警告

我所尝试的：

添加代码

os.environ[“TF_CPP_MIN_LOG_LEVEL”]=“2”

和

os.environ[“TF_CPP_MIN_LOG_LEVEL”]=“3”

以禁用警告

将

model.fit（）

中的

verbose

设置为

2

和

0

，即

model.fit（…，verbose=2，…）

和

model.fit（…，verbose=0，…）

两者都不起作用

---

有什么想法吗？提前谢谢你的帮助

这不是一个非常令人满意的答案，但TF_CPP_MIN_LOG_级别不工作是一个已知问题：

我可以在

tensorflow==2.1.0-rc1

上重现您的问题，这里有一个玩具示例：

import os
import time
os.environ['TF_CPP_MIN_LOG_LEVEL'] = "2"
import tensorflow as tf
tf.get_logger().setLevel("WARNING")
tf.autograph.set_verbosity(2)

print(tf.__version__)

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

class CustomCallback(tf.keras.callbacks.Callback):

  def on_train_batch_end(self, batch, logs=None):
    time.sleep(3)

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=1, callbacks=[CustomCallback()])

标准建议（

os.environ['TF\u CPP\u MIN\u LOG\u LEVEL']

，

TF.get\u logger（）.setLevel（“警告”）

或

TF.autograph.set\u verbosity（2）

）都不起作用，我怀疑您必须等到上述问题得到解决

您是否尝试过tf.get_logger（）.setLevel（“错误”）而不是警告（实际上您是否希望隐藏警告）？TF2.20每晚都在工作。

2.1.0
Downloading data from https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
11493376/11490434 [==============================] - 31s 3us/step
Train on 60000 samples
WARNING:tensorflow:Method (on_train_batch_end) is slow compared to the batch update (3.002797). Check your callbacks.
   32/60000 [..............................] - ETA: 1:57:38 - loss: 2.4674 - accuracy: 0.0938WARNING:tensorflow:Method (on_train_batch_end) is slow compared to the batch update (3.002938). Check your callbacks.
...