首页 文章

您的CPU支持未编译此TensorFlow二进制文件的指令：AVX AVX2

提问于
浏览 次
346

我是TensorFlow的新手 . 我最近安装了它（Windows CPU版本）并收到以下消息：

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

然后，当我试图跑

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()

（我通过https://github.com/tensorflow/tensorflow找到了）

我收到以下消息：

2017-11-02 01：56：21.698935：IC：\ tf_jenkins \ home \ workspace \ rel-win \ M \ windows \ PY \ 36 \ tensorflow \ core \ platform \ cpu_feature_guard.cc：137]你的CPU支持指令此TensorFlow二进制文件未编译为使用：AVX AVX2

但是当我跑的时候

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

它按原样运行并输出 Hello, TensorFlow! ，这表明安装确实成功，但还有其他错误 .

你知道问题是什么以及如何解决它吗？谢谢 .

tensorflow cpu avx

3 回答

  • 14

    这个警告是关于什么的？

    除了通常的算术和逻辑之外，现代CPU提供了许多低级指令，称为扩展，例如，扩展 . SSE2，SSE4，AVX等来自Wikipedia：

    高级矢量扩展（AVX）是英特尔和AMD于2008年3月提出的英特尔和AMD微处理器的x86指令集架构的扩展，首先得到英特尔的支持，其中Sandy Bridge处理器于2011年第一季度发布，之后由AMD推出Bulldozer处理器2011年第3季度发货.AVX提供新功能，新指令和新的编码方案 .

    特别是，AVX引入了fused multiply-accumulate（FMA）操作，这加速了线性代数计算，即点积，矩阵乘法，卷积等 . 几乎每一次机器学习培训都涉及大量的这些操作，因此会更快 . 支持AVX和FMA的CPU（最高300％） . 警告声明您的CPU确实支持AVX（万岁！） .

    我'd like to stress here: it'所有关于 CPU only .

    为什么不使用呢？

    因为张量流默认分布是构建without CPU extensions，例如SSE4.1，SSE4.2，AVX，AVX2，FMA等 . 默认构建（来自 pip install tensorflow 的构建）旨在与尽可能多的CPU兼容 . 另一个论点是，即使使用这些扩展，CPU也比GPU慢很多，并且预计可以在GPU上执行中型和大型机器学习培训 .

    你应该怎么做？

    If you have a GPU ，您不应该关心AVX支持，因为大多数昂贵的操作都将在GPU设备上调度（除非明确设置为不） . 在这种情况下，您可以简单地忽略此警告

    # Just disables the warning, doesn't enable AVX/FMA
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

    ...或者如果你看到这些恼人的警告，请设置 export TF_CPP_MIN_LOG_LEVEL=2 .

    If you don't have a GPU 并希望尽可能多地利用CPU，如果您的CPU支持，则启用AVX，AVX2和FMA you should build tensorflow from the source optimized for your CPU . 它已在this question和this GitHub issue中讨论过 . Tensorflow使用一个名为bazel的临时构建系统，并且构建它并不是那么简单，但肯定是可行的 . 在此之后，警告不仅会消失，张力流性能也会提高 .

    回复于
  • 81

    使用此命令更新CPU和OS的tensorflow二进制文件

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

    可以在此处找到whl文件的下载URL

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

    回复于
  • 474

    使用GPU进行CPU优化

    即使您拥有GPU并将其用于培训和推理，也可以通过从源安装TensorFlow获得性能提升 . 原因是某些TF操作只有CPU实现，无法在GPU上运行 .

    此外，还有一些性能增强技巧可以充分利用您的CPU . TensorFlow's performance guide建议如下：

    在CPU上放置输入管道操作可以显着提高性能 . 利用CPU作为输入管道可以让GPU专注于培训 .

    为了获得最佳性能，您应该编写代码以利用CPU和GPU协同工作，如果有的话，不要将其全部转储到GPU上 . 为您的CPU优化TensorFlow二进制文件可以节省数小时的运行时间，而且您必须执行一次 .

    回复于

相关问题