DSVM 中的 TensorFlow 优化答案

【问题标题】：TensorFlow Optimization in DSVMDSVM 中的 TensorFlow 优化
【发布时间】：2018-06-05 16:35:12
【问题描述】：

问题陈述第一：如何正确设置 tensorflow 以使用 remote Docker environment 在 DSVM 上运行？这可以在aml_config/*.runconfig 中完成吗？

我收到以下消息，我希望能够利用扩展 FMA 操作的更高速度。

tensorflow/core/platform/cpu_feature_guard.cc:140] 您的 CPU 支持未编译此 TensorFlow 二进制文件以使用的指令：AVX2 FMA

背景：我利用通过 Azure ML Workbench 管理的本地 docker 环境进行初始测试和代码验证，这样我就不会经常运行昂贵的 DSVM。一旦我评估我的代码符合我的喜好，我就会在Azure DSVM 上的远程 docker 实例上运行它。

我希望在我的计算环境中使用一致的 conda 环境，因此效果非常好。但是，我无法弄清楚如何控制 tensorflow 构建以优化手头的硬件（即我在 macOS 上的本地 docker 与 Ubuntu DSVM 上的远程 docker）

【问题讨论】：

【解决方案1】：

通知表明您应该从源代码编译 TensorFlow 以利用这个特定的 CPU 架构，因此它运行得更快。您可以放心地忽略这一点，但如果您选择编译，则可以编译并安装 TensorFlow 源代码，然后使用本机 VM 执行模式（相对于使用 Docker）从 Azure 机器学习运行它。

希望这会有所帮助，塞丽娜

【讨论】：