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

Question

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

成功安装TensorFlow-1.4.0 TensorFlow-TensorBoard-0.4.0 RC2

当我想跑的时候

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()

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

我收到以下消息：

2017-11-02 01:56:21.698935:I C:\TF_Jenkins\Home\Workspace\Rel-Win\M\Windows\Py\36\TensorFlow\Core\Platform\CPU_Feature_Guard.cc:137]您的CPU支持未将此TensorFlow二进制文件编译为使用的指令：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，但还有其他错误。

你知道问题是什么，如何修复吗？

Answer 1

使用以下命令为您的CPU&OS更新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

Answer 2

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

Advanced Vector Extensions(AVX)是对Intel和AMD微处理器x86指令集架构的扩展，由Intel于2008年3月提出，2011年第一季度推出的Sandy Bridge处理器首先得到Intel的支持，2011年第三季度推出的推土机处理器随后得到AMD的支持。AVX提供了新的特性、新的指令和新的编码方案。

特别是AVX引入了融合的乘累加(FMA)运算，加快了线性代数计算，即点积、矩阵乘、卷积等。几乎每一个机器学习训练都涉及大量这些运算，因此在支持AVX和FMA的CPU上会更快（高达300%）。警告说明您的CPU支持AVX（万岁！）。

在这里我要强调一下：这一切都只关乎CPU。

因为tensorflow默认发行版是在没有CPU扩展的情况下构建的，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。另一种观点是，即使有了这些扩展，CPU也比GPU慢得多，中等和大规模的机器学习训练也需要在GPU上进行。

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ops将被调度在一个GPU设备上（除非明确设置为not to）。在这种情况下，您可以通过以下方法忽略此警告：

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

...或者在UNIX上设置export tf_cpp_min_log_level=2。无论如何，Tensorflow工作得很好，但您不会看到这些烦人的警告。

如果您没有GPU，并且希望尽可能多地利用CPU，那么您应该从源代码处构建tensorflow。如果您的CPU支持AVX、AVX2和FMA，那么您应该为您的CPU优化它们。在这个问题和GitHub问题中已经讨论过了。Tensorflow使用了一个名为bazel的特别构建系统，构建它并不是那么简单，但肯定是可行的。在这之后，不仅警告会消失，tensorflow的性能也应该会提高。