TensorFlow 2加载TF1 SavedModel出现变量警告的解决或屏蔽咨询

问题背景 #

你遇到的这个警告根源在于：TensorFlow 2.x默认使用Resource Variables，而你从TensorFlow Hub获取的TensorFlow 1.x构建的SavedModel，用的是旧版的Reference Variables，两者的兼容性差异触发了提示。另外你之前尝试的TF_CPP_MIN_LOG_LEVEL只能屏蔽TensorFlow底层C++的日志，对Python层的这个警告完全不起作用。

两种可行解决思路 #

思路一：彻底转换变量类型（推荐） #

这个方法从根源解决警告，还能避免后续使用训练API时可能遇到的问题：

1. 若加载本地SavedModel，可先加载再批量转换变量：

import tensorflow as tf

def convert_ref_to_resource(obj):
    # 递归遍历模型结构，转换所有Reference Variable
    if isinstance(obj, tf.Variable) and obj.dtype._is_ref_dtype:
        return tf.Variable(obj.read_value())
    elif isinstance(obj, dict):
        return {k: convert_ref_to_resource(v) for k, v in obj.items()}
    elif isinstance(obj, (list, tuple)):
        return type(obj)(convert_ref_to_resource(item) for item in obj)
    else:
        return obj

# 加载原始模型
loaded_model = tf.compat.v1.saved_model.load_v2("path/to/your/savedmodel")
# 完成变量转换
converted_model = convert_ref_to_resource(loaded_model)

2. 若加载TensorFlow Hub的模型，操作更简单：用tf.compat.v1.enable_resource_variables()上下文包裹加载过程，强制启用Resource Variables：

import tensorflow as tf
import tensorflow_hub as hub

with tf.compat.v1.enable_resource_variables():
    model = hub.load("https://tfhub.dev/your/target/model")

思路二：精准屏蔽警告（仅消除提示） #

如果暂时不需要修改变量类型，只想隐藏警告，可以通过TensorFlow的Python日志系统过滤：

import tensorflow as tf
import logging

# 获取TensorFlow的Python日志器
tf_logger = logging.getLogger('tensorflow')

# 添加过滤器，专门过滤目标警告信息
class RefVarWarningFilter(logging.Filter):
    def filter(self, record):
        return "Unable to create a python object for variable" not in record.getMessage()

tf_logger.addFilter(RefVarWarningFilter())

# 也可以更粗暴一点，直接把TensorFlow的日志级别设为ERROR（会屏蔽所有警告）
# tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)

注意：第二种方法只是隐藏警告，并没有修复变量兼容性问题，如果后续要对模型进行训练或微调，还是优先选择第一种方法更稳妥。

内容的提问来源于stack exchange，提问作者dendog