Tensorflow编译加速CPU

Question

在导入python2.7中的tenstorflow后，我使用以下命令：sess=tf。会话代码

警告/错误：

tensorflow/core/platform/cpu\u feature\u guard.cc:45]tensorflow库的编译不是为了使用SSE4.2指令，但这些指令在您的机器上可用，可以加快cpu计算。

2017-02-02 00:41:48.616602:W tensorflow/core/platform/cpu_feature_guard.cc:45]tensorflow库的编译不是为了使用AVX指令，但这些指令在您的机器上可用，可以加快cpu计算。

2017-02-02 00:41:48.616614:W tensorflow/core/platform/cpu_feature_guard.cc:45]tensorflow库未编译为使用AVX2指令，但这些指令在您的机器上可用，可以加快cpu计算。

2017-02-02 00:41:48.616624:W tensorflow/core/platform/cpu_feature_guard.cc:45]tensorflow库的编译不是为了使用FMA指令，但这些指令在您的机器上可用，可以加快cpu计算。

请帮我解决这个问题，这样我就可以在最佳功率下使用我的机器。




Answer 1

您看到的这些警告告诉您，编译后的代码没有使用您拥有的这些指令，但不是所有的CPU。当维护者编译存储库的代码时，他们需要编译它，使它支持大多数CPU，这意味着他们告诉编译器使用特定于体系结构的指令。

如果您想让软件包使用您拥有的所有指令，您需要自己编译它，或者它被称为“从源代码安装”。您可以在这里找到有关如何执行此操作的文档，一旦您熟悉了从源代码处编译tensorflow，那么您应该去阅读特定于性能的说明。

然而，归根结底，对于现实世界的应用程序，您可能真的需要一个GPU。这些CPU指令确实给了您一点性能提升，但这与使用GPU是不可比的。

Answer 2

这些警告只是说如果你从源代码构建TensorFlow，它可以在你的机器上运行得更快。没有修复，因为它不是一个问题，而是打算向用户提供此信息的行为。

默认情况下，这些CPU指令没有启用，以提供与大多数机器更广泛的兼容性。

正如文件所说：

TensorFlow在启动时检查它是否已使用CPU上可用的优化进行编译。如果未包括优化，TensorFlow将发出警告，例如未包括AVX、AVX2和FMA指令。

有关这方面的所有详细信息，请参阅《性能指南》。