使用所需的优化标志重新构建Tensorflow

Question

提前感谢您的考虑，

我刚刚使用以下步骤安装了tensorflow（在一台已经安装了Ubuntu 16.04和CUDA 8.0的新机器上）：

最初，我使用--copt=-march=native。我收到了留言

TensorFlow库没有编译成使用SSE3指令，但是这些指令在您的机器上可用，可以加快CPU计算速度。

W tensorflow/core/platform/cpu_feature_guard.cc:45]tensorflow库的编译不是为了使用SSE4.1指令，但这些指令在您的机器上可用，可以加快cpu计算。

TensorFlow库没有编译成使用SSE4.2指令，但是这些指令在您的机器上可用，可以加快CPU计算速度。

W tensorflow/core/platform/cpu\u feature\u 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。

TensorFlow库没有编译成使用AVX2指令，但这些指令在您的机器上可用，可以加快CPU计算速度。

W tensorflow/core/platform/cpu\u feature\u guard.cc:45]tensorflow库的编译不是为了使用FMA指令，但是这些指令可以在您的机器上使用，并且可以加快cpu计算。

因此，为了解决这个问题，我搜索了解决方案，并使用了以下如何使用SSE4.2和AVX指令编译Tensorflow的答案？

通过使用nVidia的上述程序，从

bazel build -c opt --copt=-mavx --copt=-mavx2 --copt=-mfma --copt=-mfpmath=both --copt=-msse4.2 --config=cuda -k //tensorflow/tools/pip_package:build_pip_package

但是我仍然收到与上面相同的消息。我觉得我好像犯了一个很简单的错误，有什么想法吗？

谢谢

Answer 1

通过遵循NVIDIA指令，您将TensorFlow存储库重置为旧的提交，在SIMD指令优化可用之前（1.0r）：

git重置——硬70de76e

这个提交可以追溯到以前的版本，当时这个功能还没有实现，所以它实际上是按照它应该的方式工作的。

解决方案是遵循TensorFlow官方文档。

对于未来的情况，始终建议在寻求第三方解决方案之前使用官方资源，因为它们可能越有帮助，官方资源就越可靠，维护也更好。

注意，在配置过程中，由于上述原因，没有提示您要使用哪些CPU指令来构建TF，因此，您无法使用它们进行构建。

当指定bazel选项“-config=opt”时，请指定编译期间要使用的优化标志[默认值为-march=native]：

遵循相应的官方文件，它将起作用。如果您有任何后续问题，请随时提问，或者如果您面临任何问题，请在Github上打开一个问题：）