TensorFlow 编译加速 CPU

Question

当我在 python 2.7 中导入 tensorflow 后使用以下命令时： sess = tf.Session()

警告/错误：

tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow 库未编译为使用 SSE4.2 指令，但这些是 在您的机器上可用，并且可以加快 CPU 计算速度。

2017-02-02 00:41:48.616602: W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow 库未编译为使用 AVX 指令，但这些是 在您的机器上可用，并且可以加快 CPU 计算速度。

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，但这些是 在您的机器上可用，并且可以加快 CPU 计算速度。

2017-02-02 00:41:48.616624: W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow 库未编译为使用 FMA 指令，但这些是 在您的机器上可用，并且可以加快 CPU 计算速度。

请帮我解决这个问题，以便我可以以最佳功率使用我的机器。

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。当维护人员为存储库编译代码时，他们需要对其进行编译以使其支持大多数 CPU，这意味着他们告诉编译器使用特定于架构的指令。

如果您希望软件包使用您拥有的所有指令，您需要自己编译它，或者称为从源代码安装。您可以找到有关如何执行此操作的文档 here，一旦您熟悉了从源代码编译 tensorflow，那么您应该去阅读 performance specific instructions。

但是，归根结底，对于现实世界的应用程序，您可能真的需要 GPU。确实，这些 CPU 指令给您带来了一点性能提升，但这与使用 GPU 相比是无法比拟的。

Answer 2

这些警告只是说如果您从源代码构建 TensorFlow，它可以在您的机器上运行得更快。没有修复，因为这不是问题，而是向用户提供此信息的预期行为。

默认情况下未启用这些 CPU 指令以提供与大多数机器更广泛的兼容性。

正如文档所说：

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

有关这方面的所有详细信息，请参阅Performance Guide。