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

这个警告是关于什么的?

现代cpu除了提供常见的算术和逻辑之外,还提供了许多低级指令,这些指令被称为扩展,例如SSE2、SSE4、AVX等。来自维基百科:

Advanced Vector Extensions (AVX)是对x86指令的扩展 由Intel和AMD提出的微处理器集架构 英特尔于2008年3月发布,并首先由英特尔支持Sandy处理器 桥处理器在2011年第一季度出货,稍后由AMD与 2011年第三季度推土机处理器出货。AVX提供了新的功能, 新的指令和新的编码方案。

特别是,AVX引入了融合乘法-累积(FMA)运算,加快了线性代数的计算速度,即点积、矩阵乘法、卷积等。几乎每一个机器学习训练都涉及到大量的这些操作,因此在支持AVX和FMA的CPU上会更快(高达300%)。警告说你的CPU不支持AVX(万岁!)

我想在这里强调一下:这只是CPU的问题。

为什么不使用呢?

因为tensorflow默认分布是在没有CPU扩展的情况下构建的,比如SSE4.1、SSE4.2、AVX、AVX2、FMA等。默认版本(来自pip install tensorflow的版本)旨在与尽可能多的cpu兼容。另一种观点是,即使有了这些扩展,CPU也比GPU慢得多,而且预计在GPU上执行中等和大规模的机器学习训练。

你该怎么办?

如果你有一个GPU,你不应该关心AVX支持,因为大多数昂贵的操作将在GPU设备上分派(除非明确设置不为)。在这种情况下,您可以简单地通过忽略此警告

# Just disables the warning, doesn't take advantage of AVX/FMA to run faster
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

... 或者在Unix上设置export TF_CPP_MIN_LOG_LEVEL=2。Tensorflow工作得很好,但你不会看到这些恼人的警告。


如果你没有GPU,想要尽可能地利用CPU,你应该从为你的CPU优化的源代码构建张量流,并启用AVX、AVX2和FMA(如果你的CPU支持的话)。这个问题和GitHub的问题已经讨论过了。Tensorflow使用一个叫做bazel的临时构建系统,构建它并不是那么简单,但肯定是可行的。在此之后,不仅警告会消失,张量流的性能也会提高。

其他回答

如果你使用的是TensorFlow的pip版本,这意味着它已经编译好了,你只是在安装它。基本上你安装了TensorFlow-GPU,但是当你从存储库下载它并试图构建它时,你应该在CPU AVX支持下构建它。如果忽略它,每次在CPU上运行时都会收到警告。你也可以看看那些。

使用SSE4.2和AVX编译Tensorflow的正确方法

AVX Cpu在tensorflow中的支持是什么

对我有用的是这个图书馆https://pypi.org/project/silence-tensorflow/

安装这个库,并按照页面上的指示,它的工作就像一个魅力!

对于Windows(感谢所有者f040225),请访问这里:https://github.com/fo40225/tensorflow-windows-wheel,根据“tf + python + cpu_instruction_extension”的组合获取您的环境的url。然后使用这个cmd来安装:

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

如果你遇到“File is not a zip File”错误,下载.whl文件到你的本地计算机,并使用这个cmd来安装:

pip install --ignore-installed --upgrade /path/target.whl

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。

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