解决Tensorflow的编译问题

问题的起因

今天尝试安装tensorflow的CPU版(GPU太菜 不支持),通过pip3 install tensorflow 安装。安装很顺利,我就跑了最简单的hello wolrd例子。

结果确实可以跑出来,同时也弹出来一个警告。

2017-11-28 09:07:17.849180: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
b'helloworld'

警告说你的Tensorflow不能使用SSE4.1 SSE4.2 AVX AVX2 FMA这些指令集进行编译。

国内的博客没找到解决办法,最后在国外的文章中找到了解决办法。

因为通过pip安装的是manylinux1_X86这是一个通用版本,根据指令集不同,需要进行不同的编译。

附上github的链接:TensorFlow binaries supporting AVX, FMA, SSE etc.

  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
在VS2019编译TensorFlow过程中,首先需要安装所需的依赖项和工具。首先,确保已经安装了CMake和Python,并将它们添加到系统的环境变量中。然后,从GitHub上下载TensorFlow的源代码。 接下来,打开VS2019并创建一个新的空项目。在项目文件夹中,使用CMake生成TensorFlow的构建文件。运行CMake时,将TensorFlow的源代码目录作为源路径,并将生成的构建文件目录设置为一个新的目录,例如“build”。 在CMake生成构建文件后,在VS2019中打开构建文件目录。在此文件夹中,会看到一个名为“TensorFlow.sln”的解决方案文件。双击打开它,它将在VS2019中加载TensorFlow解决方案。 在解决方案资源管理器中,可以看到TensorFlow的各个项目。选择主项目(通常是名为“tensorflow”或“tensorflow_cc”)并右键单击,然后选择“生成”以开始编译过程。 编译过程可能需要一段时间,具体取决于系统的性能和代码库的大小。完成编译后,可以在构建文件目录下的“bin”文件夹中找到编译得到的TensorFlow库文件。 最后,将生成的TensorFlow库文件添加到自己的项目中,并在代码中包含相应的头文件,即可开始使用TensorFlow进行开发。 需要注意的是,在编译TensorFlow过程中可能会遇到一些问题,例如缺少特定的依赖项或版本不兼容等。在遇到问题时,可以参考TensorFlow的官方文档和开发者社区中的资源,以获取更详细的指导和解决方案。
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值