我最近安装了tensorflow (Windows CPU版本),收到了以下消息:

成功安装tensorflow-1.4.0 tensorflow-tensorboard-0.4.0rc2

然后当我试图逃跑的时候

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)
'Hello, TensorFlow!'
a = tf.constant(10)
b = tf.constant(32)
sess.run(a + b)
42
sess.close()

(我是在https://github.com/tensorflow/tensorflow上找到的)

我收到了以下信息:

2017-11-02 01:56:21.698935: I C:\tf_jenkins\home\workspace\rel-win\M\windows\PY\36\tensorflow\core\platform\cpu_feature_guard。cc:137]你的CPU支持这个TensorFlow二进制文件没有被编译使用的指令:AVX AVX2

但当我逃跑时

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

它正常运行并输出Hello, TensorFlow!,这表明安装确实是成功的,但还有一些地方是错误的。

你知道问题是什么以及如何解决它吗?


当前回答

正如这条消息所说,你的CPU支持TensorFlow二进制文件未编译使用的指令。这应该不是CPU版本的TensorFlow的问题,因为它不执行AVX(高级向量扩展)指令。 然而,TensorFlow似乎在代码的某些部分使用了AVX指令,这条消息只是一个警告,你可以放心地忽略它。 你可以用AVX指令编译你自己的TensorFlow版本。

其他回答

我发现解决这个问题最简单的方法是卸载所有东西,然后安装特定版本的tensorflow-gpu:

卸载tensorflow:

    pip uninstall tensorflow

卸载tensorflow-gpu:(确保运行这个,即使你不确定你是否安装了它)

    pip uninstall tensorflow-gpu

安装特定的tensorflow-gpu版本:

    pip install tensorflow-gpu==2.0.0
    pip install tensorflow_hub
    pip install tensorflow_datasets

你可以通过在python文件中添加以下代码来检查是否有效:

from __future__ import absolute_import, division, print_function, unicode_literals

import numpy as np

import tensorflow as tf
import tensorflow_hub as hub
import tensorflow_datasets as tfds

print("Version: ", tf.__version__)
print("Eager mode: ", tf.executing_eagerly())
print("Hub Version: ", hub.__version__)
print("GPU is", "available" if tf.config.experimental.list_physical_devices("GPU") else "NOT AVAILABLE")

运行文件,然后输出如下所示:

Version:  2.0.0
Eager mode:  True
Hub Version:  0.7.0
GPU is available

希望这能有所帮助

GPU CPU优化

即使你有GPU并使用它进行训练和推理,通过从源代码安装TensorFlow也可以获得性能上的提升。原因是有些TF操作只有CPU实现,不能在GPU上运行。

此外,还有一些性能增强技巧可以很好地利用CPU。TensorFlow的性能指南建议如下:

将输入管道操作放在CPU上可以显著提高性能。利用CPU作为输入管道,可以让GPU专注于训练。

为了获得最佳性能,你应该编写代码来利用CPU和GPU协同工作,如果你有GPU的话,不要把所有的代码都转储到GPU上。 为你的CPU优化你的TensorFlow二进制文件可以节省几个小时的运行时间,你必须这样做一次。

试着用蟒蛇。我也犯了同样的错误。唯一的选择是从源代码构建张量流,这需要很长时间。我试过用conda,很管用。

在水蟒中创造一个新的环境。 Conda install -c Conda -forge tensorflow

然后,它成功了。

对于Windows,你可以检查官方的英特尔MKL优化TensorFlow车轮是用AVX2编译的。这个解决方案加快了我的推理速度。

conda install tensorflow-mkl

使用此命令更新CPU和操作系统的tensorflow二进制文件

pip install --ignore-installed --upgrade "Download URL"

whl文件的下载url可以在这里找到

https://github.com/lakshayg/tensorflow-build