TensorFlow CPU环境 SSE/AVX/FMA 指令集编译
TensorFlow CPU环境 SSE/AVX/FMA 指令集编译
sess.run()出现如下Warning
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.
# 通过pip install tensorflow 来安装tf在 sess.run() 的时候可能会出现
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.
这说明你的machine支持这些指令集但是TensorFlow在编译的时候并没有加入这些指令集，需要手动编译才能够介入这些指令集。
# 1. 下载最新的 TensorFlow
$ git clone https://github.com/tensorflow/tensorflow
# 2. 安装 bazel
# mac os
$ brew install bazel
# ubuntu
$ sudo apt-get update && sudo apt-get install bazel
# Windows
$ choco install bazel
# 3. Install TensorFlow Python dependencies
# 如果使用的是Anaconda这部可以跳过
# mac os
$ pip install six numpy wheel
$ brew install coreutils # 安装coreutils for cuda
$ sudo xcode-select -s /Applications/Xcode.app # set build tools
# ubuntu
sudo apt-get install python3-numpy python3-dev python3-pip python3-wheel
sudo apt-get install libcupti-dev
# 4. 开始编译TensorFlow
# 4.1 configure
$ cd tensorflow # cd to the top-level directory created
# configure 的时候要选择一些东西是否支持，这里建议都选N，不然后面会包错，如果支持显卡，就在cuda的时候选择y
$ ./configure # configure
# 4.2 bazel build
# CUP-only
$ bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package
# GPU support
bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
# 4.3生成whl文件
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
# 5 安装刚刚编译好的pip 包
# 这里安装的时候官方文档使用的是sudo命令，如果是个人电脑，不建议使用sudo, 直接pip即可。
$ pip install /tmp/tensorflow_pkg/tensorflow-{version}-none-any.whl
# 6 接下来就是验证你是否已经安装成功
$ python -c "import tensorflow as tf; print(tf.Session().run(tf.constant('Hello, TensorFlow')))"
# 然后你就会看到如下输出
b'Hello, TensorFlow'
# 恭喜你，成功编译了tensorflow，Warning也都解决了！
报错解决
Do you wish to build TensorFlow with MKL support? [y/N] y
MKL support will be enabled for TensorFlow
Do you wish to download MKL LIB from the web? [Y/n] y
Darwin is unsupported yet
# 这里MKL不支持Darwin（MAC），因此要选择N
ERROR: /Users/***/Documents/tensorflow/tensorflow/core/BUILD:1331:1: C++ compilation of rule '//tensorflow/core:lib_hash_crc32c_accelerate_internal' failed: cc_wrapper.sh failed: error executing command external/local_config_cc/cc_wrapper.sh -U_FORTIFY_SOURCE -fstack-protector -Wall -Wthread-safety -Wself-assign -fcolor-diagnostics -fno-omit-frame-pointer -g0 -O2 '-D_FORTIFY_SOURCE=1' -DNDEBUG ... (remaining 32 argument(s) skipped): com.google.devtools.build.lib.shell.BadExitStatusException: Process exited with status 1.
clang: error: no such file or directory: 'y'
clang: error: no such file or directory: 'y'
# 这里是因为在configure的时候有些包不支持但是选择了y，因此记住一点所有的都选n
Reference
[1]: https://www.tensorflow.org/install/install_sources
先概述下问题：之前是在终端中使用 pip install tensorflow==1.1.0 命令来完成安装的，在eclipse中能够运行，但是却会提示报错，在控制台输出一串未使用SSE4.1,SSE4,2等字样的信息，本人有强迫症无法容忍项目中各种报错提示的存在，然后花了半天功夫解决了这个问题，步骤如下：
这个问题的出现主要是和tensorflow的安装方式有关系，使用pip安装就会出现对代码编译优化的问题，使得你电脑有SSE4.1等命令，却无法调用来加速训练，所以最好是安装时候多费点事，能够解决这个报错提示的问题，同时也能在以后的项目中发挥本机CPU的性能进行加速训练
第一步：卸载已经安装的tensorflow 命令： sudo pip uninstall tensorflow （一定要先卸载，不然之后所有工作都是白费）
第二步：创建文件夹并下载源码 命令： git clone --recurse-submodules https://github.com/tensorflow/tensorflow
第三步： 安装bazel工具（提示最后两条命令，别忘记输入sudo，否则会出错） 命令如下：
echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -
sudo apt-get update && sudo apt-get install bazel
sudo apt-get upgrade bazel
第四步：安装tensorflow所需的各种包 命令：sudo apt-get install python-numpy python-dev python-pip python-wheel
第五步：配置tensorflow 命令如下：
cd tensorflow/ (进入第二步中创建的tensorflow文件夹)
./configure
此时会弹出一些配置需要你填写，首先弹出的是选择python的路径和版本，在提示信息中会给出defult信息，我们就完全填写defult中的信息就行（避免出错和麻烦）
完成之后会让你输入Y/N选择tensorflow是否支持google cloud，Hadoop等，建议Hadoop选Y其他选择N即可（如果都选Y又需要额外下载很多东西）
第六步：生成pip安装包 命令：bazel build -c opt --copt=-msse3 --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --copt=-mavx2 --copt=-mfma //tensorflow/tools/pip_package:build_pip_package （时间较长，请耐心等待） （其中msse3,msse4.1 mavx等表示cpu支持的指令集，不同机器会有差异，如果你电脑的CPU不支持AVX指令，但在此处却输出了--copt=-mavx 最后还是会报错提示：你的机器不支持此指令，所以在写这条命令时候，建议大家下载CPU-Z看看本机CPU支持的指令，然后对应写此指令）
第七步： 安装 命令如下：
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
sudo pip install /tmp/tensorflow_pkg/tensorflow-1.1.0rc1-cp27-cp27mu-linux_x86_64.whl （最后是生成的软件包名，会有不同，根据自己生成的包名填写）
补充：如何查看生成的包名 在/目录下进入tmp再进入tensorflow_pkg文件 里面只有一个.whl的文件，即可查看包名，用于替换上述第二条命令中的最后一部分即可
完成上述命令后 等待一会下载即可完成
-https://blog.csdn.net/qq_36511757/article/details/77895316