深度学习——如何去除警告

                                        深度学习——如何去除警告

        警告本质：包版本兼容性问题，版本不断地在更新，又要做到向下兼容，所以对于版本不同导致的差异性写法（函数、参数等等）都会给出提醒。

       个人建议：非强迫症的朋友，还是不要添加去除警告的代码，便于以后排查问题。当然，如果是本地离线项目代码，注释掉去除警告的代码就OK；但是，相信部分强迫者很难容忍一大堆警告的出现，尤其是深度学习框架：Tensorflow与Keras。下面分别提供两者的去除警告方法。

• Tensorflow去除警告
• Keras去除警告【导入keras会报和tensorflow同样的错误，因为keras是以tensorflow为后端的框架】

在文件开头添加注释代码：

import os
import tensor flow as tf

os.environ["TF_CPP_MIN_LOG_LEVEL"] = "3"
tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)

        可能部分朋友的代码使用了上面的注释还是会存在警告，那是因为各种版本太高导致的哈（比如numpy，主要还是习惯了pip install numpy安装方式，这样装的是最新版本，一般都会提醒你各种警告，除非代码用的是最新版的格式写的。这时候一般两种解决方案：A. 指定版本重新安装，说白了，就是降低一下numpy的版本，与现在的代码格式要求保持一致；B. 修改当前代码，肯定有函数或参数没有按照最新版本的格式要求写），这个可以百度解决，问题不大。实在找不到，欢迎留言讨论。例子：https://www.jianshu.com/p/945290726335

       为了测试，基于LSTM的keras版本，给大家一个例子吧。可以直接运行。

#!/usr/bin/env python
# -*- coding:utf-8 -*-

"""
@Time     :2019/8/10
@Name     :GeekZW
@Contact  :1223242863@qq.com
@File     :lstm_keras.py
@Software :Pycharm
"""

from __future__ import print_function

import os
from keras.models import Sequential
from keras.layers import Dense, Activation, Embedding
from keras.layers import LSTM, GRU
import tensorflow as tf
import numpy as np

np.random.seed(1337)

os.environ["TF_CPP_MIN_LOG_LEVEL"] = "3"
tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)


class LSTMModel(object):
    def __init__(self,
                 max_features,
                 embedding_dims,
                 max_len,
                 labels):
        self.max_features = max_features
        self.embedding_dims = embedding_dims
        self.max_len = max_len
        self.labels = labels

    def get_model(self):
        model = Sequential()

        # 嵌入层，每个词维度为128
        model.add(Embedding(self.max_features, self.embedding_dims, input_length=self.max_len))

        # LSTM层，输出维度128，可以尝试着换成 GRU 试试
        model.add(LSTM(128, dropout=0.2, recurrent_dropout=0.2))  # LSTM 与 GRU
        model.add(Dense(len(self.labels)))   # 单神经元全连接层
        model.add(Activation("softmax"))     # sigmoid 激活函数层

        # 定义损失函数、优化器、分类度量指标
        model.compile(loss="binary_crossentropy",
                      optimizer="adam",
                      metrics=["accuracy"])
        return model


if __name__ == "__main__":
    lstm_model = LSTMModel(
        max_features=20000,
        embedding_dims=200,
        max_len=25,
        labels=["A", "B", "C"]
    )
    model = lstm_model.get_model()
    model.summary()
    print("输入节点名：", model.inputs)
    print("输出节点名：", model.outputs)

运行结果：

假如说，不添加去除警告的2行代码（注释掉23，24行），是个什么效果呢？

运行结果

这么多警告，也难怪想去掉，看着脑壳都大，哈哈。