pytorch训练模型遇到的问题

Question

I tensorflow/core/util/port.cc:113] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable TF_ENABLE_ONEDNN_OPTS=0.
WARNING:tensorflow:From C:\Users\Syang.conda\envs\pytorch\Lib\site-packages\keras\src\losses.py:2976: The name tf.losses.sparse_softmax_cross_entropy is deprecated. Please use tf.compat.v1.losses.sparse_softmax_cross_entropy instead.

pytorch里面怎么会一直弹TensorFlow的警告，而且查询了一下说的是
这个警告是由 TensorFlow 的一个版本更新引起的。在旧版本中，tf.losses.sparse_softmax_cross_entropy 是用于计算稀疏分类问题（标签为整数）的损失函数。然而，在新版本的 TensorFlow 中，这个函数已被标记为过时（deprecated），并建议使用 tf.compat.v1.losses.sparse_softmax_cross_entropy 替代。
tf.compat.v1 是 TensorFlow 提供的一个兼容性模块，用于向后兼容旧版本的代码。使用 tf.compat.v1.losses.sparse_softmax_cross_entropy 可以确保你的代码在新版本的 TensorFlow 中仍然能够正常运行。
在你提供的代码中，可能是因为 TensorFlow 的某个依赖库或其他相关代码使用了过时的函数 tf.losses.sparse_softmax_cross_entropy，从而触发了这个警告。
要解决这个警告，你可以将代码中的 tf.losses.sparse_softmax_cross_entropy 替换为 tf.compat.v1.losses.sparse_softmax_cross_entropy。这样可以确保你的代码在新版本的 TensorFlow 中继续正常运行，并避免警告信息的出现。

但是我并没有找到tf.losses.sparse_softmax_cross_entropy这一段代码
每训练一个epoch就会疯狂弹这个警告，严重影响训练速度

训练速度其实挺快的，但是会弹七八个警告之后才进入下一轮的训练

Answer 1

该回答引用自GPT-3.5,由博主GISer Liu编写：

根据你的描述，问题是在使用PyTorch训练模型时，出现了来自TensorFlow的警告信息，具体是关于```
tf.losses.sparse_softmax_cross_entropy

解决这个问题的思路是要找到触发警告的代码，然后对其进行修改以消除警告。尽管你表示没有找到代码中使用了```
tf.losses.sparse_softmax_cross_entropy
```，但这个警告仍然持续出现，可能是因为某些第三方库或者其他依赖在内部使用了这个函数。
为了解决这个问题，你可以尝试以下几个步骤：
1.  **确认依赖库版本** ：确保你的环境中的TensorFlow版本是最新的，并且检查PyTorch及其相关依赖库的版本是否也是最新的。有时候更新依赖库版本可以解决兼容性问题。
2.  **检查代码中的依赖** ：仔细检查你的代码以及可能使用的所有第三方库，确保没有地方在使用``` tf.losses.sparse_softmax_cross_entropy ```函数。
3.  **尝试手动设置环境变量** ：根据警告信息提到的内容，尝试手动设置环境变量``` TF_ENABLE_ONEDNN_OPTS=0 ```，看看是否能够消除警告。你可以在代码中的开头添加以下代码来设置环境变量：
pythonCopy code

import os
os.environ['TF_ENABLE_ONEDNN_OPTS'] = '0'

```
4. 查找第三方库中的问题 ：如果以上步骤都没有解决问题，可能是某些第三方库内部使用了过时的函数。你可以尝试查找你使用的所有库的GitHub或者其他平台上的issue，看看是否有其他人报告过类似的问题，并找到相应的解决方案。
5. 考虑更换环境 ：如果以上方法都无法解决问题，考虑更换开发环境或者重新安装所有依赖库。
综上所述，解决这个问题的关键是要找到代码中或者依赖库中触发警告的地方，并对其进行修改或者调整以消除警告。

如果该回答解决了您的问题，请采纳！如果没有，请参考以下方案进行修订