if __name__ == '__main__': os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # you can modify your file path file_train = './data/train.csv' file_test = './data/test.csv' embed_dim = 8 read_part = True sample_num = 6000000 test_si
时间: 2024-04-11 14:29:27 浏览: 16
ze = 1000000 # you can modify your model path model_path = './model' # parameters for training batch_size = 1024 epoch = 5 learning_rate = 0.001 # you can modify the number of hidden units hidden_units = [256, 128] # load data train_X, train_y, test_X, test_y, feature_columns, target_column = load_data(file_train, file_test, read_part, sample_num) # build model model = build_model(embed_dim, feature_columns, target_column, hidden_units) # train model train_model(model, train_X, train_y, test_X, test_y, batch_size, epoch, learning_rate) # save model model.save(model_path)
相关问题
os.environ['TF_CPP_MIN_LOG_LEVEL']
`os.environ['TF_CPP_MIN_LOG_LEVEL']`是一个用于设置TensorFlow日志级别的环境变量。
TensorFlow在运行时会输出各种日志信息,包括错误信息、警告信息、调试信息等。`TF_CPP_MIN_LOG_LEVEL`可以控制输出的日志等级,从而减少输出的日志信息。
以下是`TF_CPP_MIN_LOG_LEVEL`可以设置的值和对应的日志等级:
- 0:输出所有日志信息(默认值)
- 1:忽略通知信息
- 2:忽略通知信息和警告信息
- 3:同时忽略通知信息、警告信息和错误信息
例如,如果你想忽略警告和错误信息,可以在程序中添加以下代码:
```python
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
```
这将会使得TensorFlow只输出错误信息,并忽略警告和通知信息。
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'是一个用于设置TensorFlow日志级别的环境变量。它的作用是控制TensorFlow输出的日志信息的详细程度。
具体来说,TF_CPP_MIN_LOG_LEVEL有四个可选值:
- 0:显示所有日志信息(默认值)
- 1:显示除了INFO级别以外的所有日志信息
- 2:显示除了INFO和WARNING级别以外的所有日志信息
- 3:只显示ERROR级别的日志信息
通过将TF_CPP_MIN_LOG_LEVEL设置为'3',可以将TensorFlow的日志信息限制在只显示ERROR级别的信息,从而减少不必要的输出,提高程序运行时的清晰度和性能。