你的CPU支持这个TensorFlow二进制文件未编译使用的指令:AVX AVX2

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

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。

2018-05-22 00:05:49

其他回答

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。

2018-05-22 00:05:49

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

2018-04-28 05:38:15

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。

2021-01-26 07:02:44

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

2019-01-05 04:18:19

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

2019-03-28 15:51:59

你的CPU支持这个TensorFlow二进制文件未编译使用的指令:AVX AVX2

推荐文章

最新文章

标签