Tensorflow编译加速CPU

Question

在Python2.7中导入tensorflow之后，我使用了以下命令：sess = tf.Session()

Warnings/errors:

tensorflow/core/platform/cpu_feature_guard.cc:45]编译TensorFlow库不是为了使用use 4.2指令，但这些指令在您的机器上可用，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库不是为了使用AVX指令而编译的，但这些指令在您的计算机上可用，可以加快CPU的计算速度。 2017-02-02 00:41:48.616614: W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow库不是为了使用AVX2指令而编译的，但这些指令在您的计算机上可用，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库不是为了使用FMA指令而编译的，但这些指令在您的计算机上可用，可以加快CPU的计算速度。

请帮我修理一下，这样我就可以在最佳功率下使用我的机器了。

Answer 1

这些警告只是说，如果您从源代码构建TensorFlow，它可以在您的计算机上运行得更快。没有修复，因为它不是一个问题，而是打算向用户提供这些信息的行为。

默认情况下，这些CPU指令无法与大多数计算机提供更广泛的兼容性。

就像医生说的：

TensorFlow检查启动时是否使用了CPU上可用的优化来编译它。如果不包括优化，TensorFlow将发出警告，例如AVX、AVX2和FMA指令不包括在内。

有关这方面的所有细节，请参见性能指南。

Answer 2

您所看到的这些警告告诉您，编译后的代码并不使用您所拥有的这些指令，但并不是所有的CPU都使用这些指令。当维护人员为存储库编译代码时，他们需要将代码编译成支持大多数CPU的代码，这意味着他们告诉编译器使用特定于体系结构的指令。

如果您希望包使用所有的说明，您需要自己编译它，或者将它称为“从源代码安装”。您可以找到有关如何执行这里的文档，一旦您习惯于从源代码编译tensorflow，那么您应该去阅读性能专用指令。

然而，最后，对于现实世界的应用程序，您可能真的需要一个GPU。诚然，这些CPU指令会给您带来一些性能提升，但这与使用GPU是不可比拟的。