您的CPU支持此TensorFlow二进制文件未编译为使用的指令：AVX AVX2

我最近安装了TensorFlow（Windows CPU版本）并收到以下消息：

成功安装Tensorflow-1.4.0 Tensorflow-Tensorboard-0.4.0rc2

然后当我试图逃跑

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()

（我是通过https://github.com/tensorflow/tensorflow找到的）

我收到了以下消息：

2017-11-02 01:56:21.698935： I C：\tf_jenkins\home\workspace\rel-win\M\windows\PY\36\tensorflow\core\平台\cpu_feature_guard.cc:137]您的CPU支持此TensorFlow二进制文件未编译为使用的指令：AVX AVX2

但当我跑的时候

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

它按应有的方式运行并输出Hello, TensorFlow!，这表明安装确实成功，但还有其他问题。

你知道问题是什么以及如何解决它吗？

632143 次浏览
小开
最佳答案

这个警告是关于什么的？

现代CPU提供了许多低级指令，除了通常的算术和逻辑，称为扩展，例如SSE2、SSE4、AVX等。从维基百科：

高级矢量扩展（AVX）是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月首次支持英特尔与桑迪 桥处理器在2011年第一季度出货，后来由AMD提供 推土机处理器于2011年第三季度出货。AVX提供了新功能， 新的指令和新的编码方案。

特别是，AVX引入了融合乘法累加（FMA）操作，可以加快线性代数计算，即点积、矩阵乘法、卷积等。几乎每个机器学习训练都涉及大量这些操作，因此在支持AVX和FMA的CPU上（最高300%）会更快。警告指出您的CPU确实支持AVX（万岁！）。

我想在这里强调：这一切都是关于仅CPU的。

那为什么不使用呢？

因为TensorFlow默认发行版是构建的没有CPU扩展，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，即使有了这些扩展，CPU也比GPU慢得多，预计在GPU上执行中大规模机器学习训练。

你该怎么办？

如果你有GPU，您不应该关心AVX支持，因为最昂贵的操作将在GPU设备上调度（除非显式设置为不）。在这种情况下，您可以通过以下方式简单地忽略此警告

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

…或者通过设置export TF_CPP_MIN_LOG_LEVEL=2，如果您使用的是Unix。Tensorflow无论如何都运行良好，但您不会看到这些烦人的警告。

如果你没有GPU并希望尽可能地利用CPU，您应该从为您的CPU优化的源代码构建TensorFlow启用AVX、AVX2和FMA，如果你的CPU支持它们。这在这个问题和这个github问题中已经讨论过。Tensorflow使用一个名为bazel的临时构建系统，构建它不是那么简单，但肯定是可行的。之后，不仅警告会消失，Tensorflow性能也应该得到提高。

小开

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文件的下载网址可以在这里找到

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

小开

使用GPU进行CPU优化

即使你有GPU并将其用于训练和推理，你也可以通过从源安装TensorFlow来获得性能提升。原因是某些TF操作只有CPU实现，不能在你的GPU上运行。

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

将输入管道操作放在CPU上可以显着提高性能。将CPU用于输入管道可以让GPU专注于训练。

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，如果您有GPU，则不要将其全部转储到GPU上。 让您的TensorFlow二进制文件针对您的CPU进行优化可以节省数小时的运行时间，并且您必须这样做一次。

小开

对于Windows（感谢所有者f040225），请转到此处：https://github.com/fo40225/tensorflow-windows-wheel根据“tf+python+cpu_instruction_extension”的组合获取您环境的url。然后使用此cmd安装：

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

如果您遇到“文件不是zip文件”错误，请将. whl下载到本地计算机，并使用此cmd安装：

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

对于Windows，您可以检查使用AVX2编译的针对TensorFlow的官方英特尔MKL优化轮子。这个解决方案加快了我的推理速度~x3。

conda install tensorflow-mkl
小开

如果你使用pip版本的TensorFlow，这意味着它已经编译并且你只是在安装它。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，你应该使用CPU AVX支持来构建它。如果你忽略它，每次在CPU上运行时都会收到警告。你也可以看看那些。

什么是AVX Cpu支持TensorFlow

小开

我发现解决这个问题的最简单方法是卸载所有内容，然后安装特定版本的Tensorflow-GPU：

  1. 卸载TensorFlow： 
    pip uninstall tensorflow
  1. 卸载tensorflow-gpu：（即使您不确定是否安装了它，也请确保运行它）
    pip uninstall tensorflow-gpu
  1. 安装特定的Tensorflow-GPU版本：
    pip install tensorflow-gpu==2.0.0
pip install tensorflow_hub
pip install tensorflow_datasets

您可以通过将以下代码添加到python文件中来检查这是否有效：

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，然后输出应该是这样的：

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

希望这有帮助

小开

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

安装此库并按照页面上的指示进行操作，它的工作原理就像一个魅力！

小开

尝试使用anaconda。我也有同样的错误。唯一的选择是从源代码构建Tensorflow，这需要很长时间。我尝试使用conda，它起作用了。

  1. 在蟒蛇中创建一个新的环境。
  2. conda install -c conda-forge tensorflow

然后，它奏效了。

小开

他提供过一次列表，被别人删除了但看到的答案是 下载软件包列表

输出：

F:\temp\Python>python test_tf_logics_.py
[0, 0, 26, 12, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0]
[ 0  0  0 26 12  0  0  0  2  0  0  0  0  0  0  0  0]
[ 0  0 26 12  0  0  0  2  0  0  0  0  0  0  0  0  0]
2022-03-23 15:47:05.516025: I tensorflow/core/platform/cpu_feature_guard.cc:151] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.
2022-03-23 15:47:06.161476: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1525] Created device /job:localhost/replica:0/task:0/device:GPU:0 with 10 MB memory:  -> device: 0, name: NVIDIA GeForce GTX 1060 6GB, pci bus id: 0000:01:00.0, compute capability: 6.1
[0 0 2 0 0 0 0 7 0 0 0 0 0 0 0 0 0]
...

输出屏幕

小开

正如消息所说，您的CPU支持未编译为使用TensorFlow二进制的指令。这不应该是CPU版本的TensorFlow的问题，因为它不执行AVX（高级矢量扩展）指令。 但是，似乎TensorFlow在代码的某些部分使用了AVX指令，并且消息只是一个警告，您可以放心地忽略它。 您可以使用AVX指令编译自己的TensorFlow版本。


提交答案