如何在JupyterLab中禁用Keras/TensorFlow的所有警告与日志消息？

问题背景 #

在Windows 11通过WSL2/Ubuntu Docker镜像使用GPU时，调用Keras的fit方法会持续输出XLA服务初始化相关日志，即使设置TF_CPP_MIN_LOG_LEVEL和Python的warnings模块也无法抑制，在超参数调优循环中会大量刷屏：

WARNING: All log messages before absl::InitializeLog() is called are written to STDERR
I0000 00:00:1713790925.944867 30151 service.cc:145] XLA service 0xbdb2bb0 initialized for platform CUDA (this does not guarantee that XLA will be used). Devices:
I0000 00:00:1713790925.944907 30151 service.cc:153] StreamExecutor device (0): NVIDIA GeForce RTX 4070 Ti SUPER, Compute Capability 8.9
I0000 00:00:1713790927.034790 30151 device_compiler.h:188] Compiled cluster using XLA! This line is logged at most once for the lifetime of the process.

解决方案 #

这些日志来自TensorFlow依赖的abseil-cpp底层库，而非TensorFlow原生日志或Python警告，因此需要针对性配置：

方法1：导入TensorFlow前设置环境变量 #

需在导入TensorFlow/Keras前配置abseil和XLA的环境变量，确保底层库初始化时读取到配置：

import os
# 配置TensorFlow日志级别（3=仅致命错误）
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
# 配置abseil日志级别（0=仅致命错误，对应FATAL）
os.environ['ABSL_LOG_LEVEL'] = '0'
# 禁用XLA相关的冗余日志输出
os.environ['XLA_FLAGS'] = '--xla_log_level=0'

# 之后再导入TensorFlow和Keras
import tensorflow as tf
from tensorflow import keras

方法2：手动配置abseil日志器 #

导入abseil的logging模块后直接设置日志级别，更灵活：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'

# 导入abseil日志模块并设置级别为FATAL
import absl.logging
absl.logging.set_verbosity(absl.logging.FATAL)
absl.logging.set_stderrthreshold(absl.logging.FATAL)

# 再导入TensorFlow
import tensorflow as tf

方法3：Docker容器启动时配置环境变量 #

如果是通过Docker运行，可在启动容器时直接传递环境变量，无需修改代码：

docker run -d \
  -e TF_CPP_MIN_LOG_LEVEL=3 \
  -e ABSL_LOG_LEVEL=0 \
  -e XLA_FLAGS="--xla_log_level=0" \
  # 补充你的GPU挂载、端口映射等参数
  your-tensorflow-image:tag

说明 #

之前的方法无效是因为：

• TF_CPP_MIN_LOG_LEVEL仅控制TensorFlow自身的Python/C++日志，无法覆盖abseil库的输出
• Python的warnings模块仅处理Python层面的警告，对底层C++库的日志无作用

内容的提问来源于stack exchange，提问作者statsman92