如何为TensorFlow内置tf.logging实现终端打印着色效果？

Hey，作为同样在TensorFlow日志配置上踩过坑的老玩家，太理解你这种想切换到官方内置tf.logging保证兼容性，又舍不得coloredlogs带来的彩色清晰日志的心情了！下面给你整理一套平滑迁移的方案，既能用上tf.logging，又能保留你习惯的使用体验：

tf.logging是TensorFlow官方提供的日志模块，和TensorFlow的内部日志体系深度集成，兼容性拉满。先把你原来的代码转换成基础版tf.logging用法：

原来的logging+coloredlogs代码： #

import logging
import coloredlogs
logger = logging.getLogger(__name__)
coloredlogs.install(level='DEBUG', logger=logger, ...)
logger.debug("-- preparing network..")

对应的tf.logging基础实现： #

import tensorflow as tf

# 设置全局日志级别，替代coloredlogs里的level参数
tf.logging.set_verbosity(tf.logging.DEBUG)

# 直接用tf.logging的对应方法输出日志，和原来的logger调用逻辑一致
tf.logging.debug("-- preparing network..")
tf.logging.info("Network initialization completed")
tf.logging.warning("GPU memory usage exceeds 80%")
tf.logging.error("Failed to load pre-trained weights")

这里要注意：tf.logging的级别常量和Python标准logging一一对应：

• tf.logging.DEBUG → logging.DEBUG
• tf.logging.INFO → logging.INFO
• tf.logging.WARN/tf.logging.WARNING → logging.WARNING
• tf.logging.ERROR → logging.ERROR

如果你不想放弃彩色日志的便利性，其实可以结合coloredlogs的格式化能力，给tf.logging套上彩色输出——因为tf.logging底层还是基于Python标准logging模块实现的，所以我们可以直接修改它的日志处理器：

import tensorflow as tf
import logging
from coloredlogs import ColoredFormatter

# 获取TensorFlow对应的日志实例
tf_logger = logging.getLogger('tensorflow')
# 先移除默认的处理器，避免重复输出日志
for handler in tf_logger.handlers[:]:
    tf_logger.removeHandler(handler)

# 创建带彩色格式的控制台处理器
console_handler = logging.StreamHandler()
console_handler.setLevel(logging.DEBUG)

# 自定义彩色格式，和你之前习惯的颜色对应
color_formatter = ColoredFormatter(
    "%(asctime)s - %(name)s - %(levelname)s - %(message)s",
    level_styles={
        'debug': {'color': 'green'},
        'info': {'color': 'cyan'},
        'warning': {'color': 'yellow'},
        'error': {'color': 'red'},
        'critical': {'color': 'red', 'bold': True}
    }
)
console_handler.setFormatter(color_formatter)
tf_logger.addHandler(console_handler)

# 现在用tf.logging输出的日志就和之前一样带颜色了！
tf.logging.debug("-- preparing network..")  # 绿色debug信息
tf.logging.info("This is cyan info text!")  # 青色info信息
tf.logging.warning("Yellow warning alert!") # 黄色warning信息

• tf.logging会自动和TensorFlow内部的日志输出整合，避免出现多日志体系混乱的问题，在分布式训练、模型导出等场景下兼容性更好。
• 如果需要将日志写入文件，同样可以给tf_logger添加FileHandler，和标准logging的用法完全一致。

内容的提问来源于stack exchange，提问作者YW P Kwon