2018年12月12日星期三

Error: Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

这个警告的意思是:你的CPU支持AVX扩展,但是你安装的TensorFlow版本无法编译使用。

原因

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


高级矢量扩展(AVX)是英特尔在2008年3月提出的英特尔和AMD微处理器的x86指令集体系结构的扩展,英特尔首先通过Sandy Bridge处理器在2011年第一季度推出,随后由AMD推出Bulldozer处理器在2011年第三季度.AVX提供了新功能,新指令和新编码方案。 特别是,AVX引入了融合乘法累加(FMA)操作,加速了线性代数计算,即点积,矩阵乘法,卷积等。几乎所有机器学习训练都涉及大量这些操作,因此将会支持AVX和FMA的CPU(最高达300%)更快。该警告指出您的CPU确实支持AVX(hooray!)。
而该警告出现的原因则是:
由于tensorflow默认分布是在没有CPU扩展的情况下构建的,例如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。另一个观点是,即使使用这些扩展名,CPU的速度也要比GPU慢很多,并且期望在GPU上执行中型和大型机器学习培训。




解决方法

  • 对于GPU版本

如果你有一个GPU,你不应该关心AVX的支持,因为大多数昂贵的操作将被分派到一个GPU设备上(除非明确地设置)。在这种情况下,您可以简单地忽略此警告: 
import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'




  • 对于CPU版本



1.在代码中加入如下代码,忽略警告: 
import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 2.编译TensorFlow源码 如果您没有GPU并且希望尽可能多地利用CPU,那么如果您的CPU支持AVX,AVX2和FMA,则应该从针对CPU优化的源构建tensorflow。参见https://github.com/tensorflow/tensorflow/issues/8037
        事实上,仅用第一步也可以勉强继续运行。

参考:https://blog.csdn.net/hq86937375/article/details/79696023 

没有评论:

发表评论