以上的解决方案都不能解决我在Jupyter Notebook中的问题，所以我使用以下来自Cicoria的代码片段，问题解决了。

import warnings  
with warnings.catch_warnings():  
    warnings.filterwarnings("ignore",category=FutureWarning)
    import tensorflow as tf
    from tensorflow import keras
    from tensorflow.keras.preprocessing.text import Tokenizer

print('Done') 

我用这篇文章解决了无法删除所有警告#27045，解决方案是:

import logging
logging.getLogger('tensorflow').disabled = True

在测试了各种建议之后，他们也可以沉默使用PyInstaller构建的可执行文件，我想出了这样的设置:

import logging
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
logging.getLogger('tensorflow').setLevel(logging.ERROR)

import tensorflow as tf

这条线

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

将关闭重建TensorFlow的警告:

我tensorflow / /平台/ cpu_feature_guard核心。这个TensorFlow二进制文件是用onapi深度神经网络库(oneDNN)优化的，可以在性能关键操作中使用以下CPU指令:AVX2 FMA。 要在其他操作中启用它们，请使用适当的编译器标志重新构建TensorFlow。

这条线

logging.getLogger('tensorflow').setLevel(logging.ERROR)

将取消对AutoGraph的警告:

警告:tensorflow:AutoGraph在此环境中不可用:函数缺少代码信息。这是一些典型的环境，如交互式Python shell。更多信息请参见https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/autograph/g3doc/reference/limitations.md#access-to-source-code。

关键是在导入tensorflow之前放置这两个文件——尽管Pylint警告过!

tensorflow 2.11.0

为了兼容Tensorflow 2.0，你可以使用tf.get_logger

import logging
tf.get_logger().setLevel(logging.ERROR)

献给那些还在努力获得操作系统的人。environ解决方案的工作，检查这是放在你导入tensorflow在你的脚本，就像mwweb的答案:

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'  # or any {'0', '1', '2'}
import tensorflow as tf

因为TF_CPP_MIN_LOG_LEVEL对我没用，你可以试试:

tf.logging.set_verbosity(tf.logging.WARN)

在tensorflow v1.6.0中为我工作过