安装cpu版本的tensorflow,同时安装tensorflow-gpu和cpu版本
本文翻译自：您的中央处理器支持此张量流二进制文件未编译使用的指令：AVX AVX2
我是张量流的新手。我是张量流的新手我最近安装了它(Windows CPU版本),并收到以下消息：我最近安装了它(Windows CPU版本),并收到以下消息：
成功安装张量流-1。4 .张量流-张量板-0。4 .0 RC2成功安装张量流-1.4.0张量流-张量板-0 . 4 . 0平方厘米
当我试图逃跑时然后当我尝试跑步
将张量流作为tfhello=tf.constant导入(‘你好，张量流！’)sess=tf .Session()sess.run(hello)你好，张量流！”a=TF。常数(10)b=TF。常数(32)sess。跑42圈。close()(我通过https://github.com/tensorflow/tensorflow找到的)(我通过https://github.com/tensorflow/tensorflow找到)
我收到了以下消息：我收到以下消息：
2017-11-02 01:56:21.698935:IC:\ \ TF _ Jenkins \ \ home \ \ workspace \ \ rel-win \ \ M \ \ windows \ \ PY \ \ 36 \ \ tensor flow \ \ core \ \ platform \ \ CPU _ feature _ guard。抄送：137]您的中央处理器支持此张量流二进制文件未编译使用的指令：AVX av x2 2017-11-02 01:56:21.698935:IC:\ \ TF _ Jenkins \ \ home您的中央处理器支持以下指令张量流二进制文件未编译为使用：AVX AVX2
但是当我跑的时候但是当我跑步时
将张量流作为tfhello=tf.constant导入(‘你好，张量流！’)sess=tf .Session()print(sess.run(hello))它正常运行并输出你好，TensorFlow！它按你好，TensorFlow！运行并输出你好，TensorFlow！这表明安装确实是成功的，但是还有其他地方出错。表示安装确实成功，但还有其他错误。
你知道问题是什么以及如何解决吗？您知道问题是什么以及如何解决？
#1楼参考：https://栈oom。com/question/3 buij/您的中央处理器支持该张量流二进制文件未编译为使用的指令AVXAVX
#2楼这个警告是关于什么的？这是什么警告？除了通常的算术和逻辑之外，现代中央处理器还提供了许多低级指令，称为扩展，如SSE2、SSE4、AVX等。来自维基百科：现代中央处理器提供大量的低级别的指示，除了一般的算术和逻辑，被称为扩展，例如AVX SSE2、SSE4等。从维基百科：
Advanced Vector Extensions(AVX)是针对英特尔和超微半导体公司微处理器的x86指令集架构的扩展，由英特尔于2008年3月提出，并首先由英特尔于2011年在雌三醇环戊醚推出的沙质桥处理器提供支持，随后由超微半导体公司于2011年第三季度推出的推土机处理器提供支持106 . AVX提供了新的特性、新的指令和新的编码方案。Advanced Vector Extensions(AVX)是美国英特尔公司（财富500强公司之一以生产中央处理器芯片著称)在2008年3月提出的针对美国英特尔公司（财富500强公司之一以生产中央处理器芯片著称)和超微半导体公司微处理器的x86指令集体系结构的扩展，并由美国英特尔公司（财富500强公司之一以生产中央处理器芯片著称)首先在2011年第一季度发布的沙质桥处理器中得到支持，随后由超微半导体公司在推土机处理器中发布。在2011年第三季度发布106 .钽电容提供了新功能，新指令和新编码方案。
特别是，AVX引入了融合乘累加(FMA)运算，加速了线性代数计算，即点积、矩阵乘法、卷积等。几乎每一次机器学习训练都涉及大量这些操作，因此在支持钽电容和食品机械学会(Food Machinery Association)的中央处理器上速度会更快（高达300%)。特别是，AVX引入了融合乘法累加(FMA)运算，从而加快了线性代数的计算速度，即点积，矩阵乘法，卷积等。几乎每个机器学习训练都涉及很多这些运算，因此将在支持钽电容和食品机械学会(食品机械协会)的中央处理器上速度更快（最高300%)。警告声明您的中央处理器支持AVX(万岁！).该警告指出您的中央处理器确实支持AVX(万岁！)。
这里我要强调一下：都是CPU only左右。我想在这里强调一下：这仅与CPU有关。
那为什么不用呢？那为什么不使用呢？因为张量流默认分发是在没有中央处理器扩展的情况下构建的，比如SSE4.1、SSE4.2、AVX、AVX2、FMA等。默认构建（来自pip安装张量流)旨在与尽可能多的中央处理器兼容。由于张量流默认发行版是在没有中央处理器扩展的情况下构建的，例如SSE4.1，SSE4.2，AVX，AVX2，FMA等。默认构建（来自点安装张量流)旨在与尽可能多的中央处理器兼容另一个论点是，即使有这些扩展，CPU也比国家政治保卫局。参见OGPU慢得多，预计中型和大型机器学习训练将在国家政治保卫局。参见OGPU上进行。另一个论点是，即使有了这些扩展，CPU也比国家政治保卫局。参见国家政治保卫局慢很多，并且期望在国家政治保卫局。参见国家政治保卫局上进行中型和大型的机器学习训练。
你该怎么办？你该怎么办？If you have a GPU,您不应该关心钽电容支持，因为大多数昂贵的操作将在国家政治保卫局。参见OGPU设备上分派（除非明确设置不要)。如果您有GPU,则不必在意钽电容的支持，因为大多数昂贵的操作都会在国家政治保卫局。参见国家政治保卫局设备上调度（除非明确设置为不这样做)。在这种情况下，您可以通过以下方式忽略此警告在这种情况下，您可以通过以下方式忽略此警告
#仅禁用警告，不启用AVX/FMAimport osos。environ[ TF _ CPP _ MIN _ LOG _ LEVEL ]= 2 .或者在Unix操作系统上设置导出TF_CPP_MIN_LOG_LEVEL=2 .或者如果您在Unix操作系统操作系统上，则设置导出TF_CPP_MIN_LOG_LEVEL=2。反正张量流工作正常，但是你不会看到这些烦人的警告。无论如何，张量流都运行良好，但是您不会看到这些烦人的警告。
If you dont have a GPU并希望尽可能利用CPU，you should build tensorflow from the source optimized for your CPU启用AVX、AVX2和FMA，如果您的中央处理器支持它们。如果没有GPU，并希望利用中央处理器尽可能的，你应该与AVX，AVX2你的 CPU优化的源代码编译tensorflow，如果你的中央处理器支持他们启用了FMA。这个问题和这个开源代码库问题已经讨论过了。在这个问题以及开源代码库问题中都对此进行了讨论张量流使用了一个名为巴泽尔的特别构建系统，构建它并不简单，但肯定是可行的。张量流使用一个称为巴泽尔的临时构建系统，构建它并不是那么简单，但是肯定是可行的在此之后，不仅警告会消失，张量流性能也会提高。此后，不仅警告会消失，而且张量流性能也应提高。
#3楼使用以下命令更新中央处理器操作系统的张量流二进制文件使用此命令为您的中央处理器和旧历法更新张量流二进制文件
点安装-忽略-安装-升级"下载URL"whl文件的下载统一资源定位器可在此处找到您可以在此处找到万海文件的下载网址
https://github.com/lakshayg/tensorflow-buildhttps://github.com/lakshayg/tensorflow-build
#4楼使用国家政治保卫局。参见OGPU优化中央处理器使用国家政治保卫局。参见国家政治保卫局进行中央处理器优化通过从源代码安装张量流，即使您有一个国家政治保卫局。参见OGPU并将其用于训练和推理，也可以获得性能提升。即使您拥有国家政治保卫局。参见国家政治保卫局并将其用于训练和推理，也可以通过从源代码安装张量流来获得性能提升原因是有些法国南部（French Southern Territories的缩写）操作只有中央处理器实现，无法在你的国家政治保卫局。参见OGPU上运行。原因是某些法国南部(法国南部领地的缩写)操作仅具有中央处理器实现，不能在您的国家政治保卫局。参见国家政治保卫局上运行。
此外，还有一些性能增强技巧，可以很好地利用您的中央处理器.此外，还有一些性能增强技巧可以充分利用您的中央处理器。张量流的性能指南建议如下：的性能指南建议以下内容：
将输入管道操作放在中央处理器上可以显著提高性能。将输入管道操作放在中央处理器上可以显着提高性能将中央处理器用于输入管道使国家政治保卫局。参见OGPU能够专注于训练。在输入管道中使用中央处理器将使国家政治保卫局。参见国家政治保卫局腾出精力来进行培训。
为了获得最佳性能，您应该编写代码来利用您的中央处理器和国家政治保卫局。参见OGPU协同工作，而不是将其全部转储到您的国家政治保卫局。参见OGPU上（如果您有国家政治保卫局。参见OGPU的话)。为了获得最佳性能，您应该编写代码以利用中央处理器和国家政治保卫局。参见国家政治保卫局协同工作，如果有的话，不要将其全部转储到国家政治保卫局。参见国家政治保卫局上让你的张量流二进制程序为你的中央处理器优化可以节省几个小时的运行时间，而且你只需要做一次。为您的中央处理器优化张量流二进制文件可以节省数小时的运行时间，因此您只需执行一次。
#5楼对于Windows(感谢所有者f040225)，转到这里：https://github . com/fo 40225/tensor flow-windows-wheel获取基于 TF python CPU _ instruction _ extension 组合的您的环境的url .对于Windows(感谢所有者f040225)，请转到此处：https://github。com/fo 40225/tensor flow-windows-wheel以结合" TF python CPU _ instruction _ extension "为您的环境获取网址。然后使用这个煤矿管理局来安装：然后使用此煤矿管理局进行安装：
pip安装-忽略-安装-升级 URL 如果您遇到"文件不是活力文件"错误，请下载10 . 10 whl到您的本地计算机，并使用此煤矿管理局来安装：如果遇到"文件不是活力文件"错误，请将。万海下载到本地计算机，然后使用此煤矿管理局进行安装：
点安装-忽略-已安装-升级/路径/目标。whl#6楼对于Windows，您可以查看针对使用AVX2编译的张量流车轮的官方英特尔玛丽琨龙优化。对于Windows，您可以检查由AVX2编译的张量流车轮的官方英特尔玛丽琨龙优化。这个解决方案加速了我的推断~x3 .此解决方案加快了我的推断速度，达到x3。
康达安装张量流-mkl
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。