在TensorFlow中屏蔽warning的方式

在TensorFlow中屏蔽warning的方式有多种。以下是几种常见的方式：

1. 使用warnings库中的filterwarnings方法屏蔽warning

可以使用Python标准库中的warnings模块中的filterwarnings()方法过滤warning。设置过滤参数可以控制那些warning被忽略或打印。

示例代码如下：

import warnings
warnings.filterwarnings('ignore')

此时，所有的warning都将被忽略，不再输出。

2. 使用TensorFlow的日志级别屏蔽warning

可以利用TensorFlow的日志级别控制warning的输出。TensorFlow有五个日志级别，从低到高依次为：DEBUG、INFO、WARN、ERROR和FATAL。

设置TensorFlow的日志级别可以控制warning的输出。在调用TensorFlow代码之前，需要先设置TensorFlow的日志级别：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  # 只输出error信息

在这个例子中，将日志级别设置为2，表示只输出warning级别以上的错误信息。

另外一种方法是将日志级别设置为3，这样就可以同时忽略warning和error级别以下的信息了：

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'  # 不输出信息

需要注意的是，将日志级别设置为3时，也会屏蔽TensorFlow的提示信息，因此在调试过程中，不建议将日志级别设置为3。

以上就是在TensorFlow中屏蔽warning的两种方式。需要强调的是，在实际应用中，应该避免屏蔽warning，因为warning往往会提醒我们代码中的潜在问题，遮蔽warning会增加我们代码潜在问题被忽略的风险。需要确保在了解可能出现的问题后再考虑是否需要屏蔽warning。