解决在运行tensorflow出现警告的方法

警告

运行tensorflow时遇到了这样的问题:

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
Creating new thread pool with default inter op setting: 2. Tune using inter_op_parallelism_threads for best performance.

大概意思是:你的CPU支持AVX扩展,但是你安装的TensorFlow版本无法编译使用。这个不是错误,只是一个警告,告诉你如果从源代码安装tensorflow,那么tensorflow会跑得更快。

原因

除了通常的算术和逻辑,现代CPU提供了许多低级指令,称为扩展,例如, SSE2,SSE4,AVX等来自维基百科:

高级矢量扩展(AVX)是英特尔在2008年3月提出的英特尔和AMD微处理器的x86指令集体系结构的扩展,英特尔首先通过Sandy Bridge处理器在2011年第一季度推出,随后由AMD推出Bulldozer处理器在2011年第三季度.AVX提供了新功能,新指令和新编码方案。
特别是,AVX引入了融合乘法累加(FMA)操作,加速了线性代数计算,即点积,矩阵乘法,卷积等。几乎所有机器学习训练都涉及大量这些操作,因此将会支持AVX和FMA的CPU(最高达300%)更快。该警告指出您的CPU确实支持AVX(hooray!)。

由于tensorflow默认分布是在没有CPU扩展的情况下构建的,例如SSE4.1,SSE4.2,AVX,AVX2,FMA等。默认版本(来自pip install tensorflow的版本)旨在与尽可能多的CPU兼容。另一个观点是,即使使用这些扩展名,CPU的速度也要比GPU慢很多,并且期望在GPU上执行中型和大型机器学习培训。

解决办法

  • 第一种解决方法是直接忽略警告,这种方法简单粗暴,但是实际上并没有解决问题,在代码中加入如下两句即可:
import os 
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
  • 第二种方法就是麻烦的用源代码安装tensorflow
  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
引用\[1\]和\[2\]中提到了关于使用Python进行数据处理时出现的"Using TensorFlow backend"的警告信息。这个警告信息是由TensorFlow库在后台运行时输出的。警告信息中提到了一些即将被移除或废弃的函数和参数,建议在未来版本中使用新的函数和参数。这些警告信息并不会影响代码的运行,只是提醒用户在未来的版本中需要进行相应的更新。 解决这个警告信息的方法有多种。引用\[2\]中提到了一些解决方案。其中,重新安装TensorFlow和从TensorFlow中导入Keras都是可行的方法。另外,引用\[1\]中提到了通过设置环境变量来解决这个问题,但是并没有成功。 总结来说,"Using TensorFlow backend"的警告信息是由TensorFlow库在后台运行时输出的,提醒用户一些即将被移除或废弃的函数和参数。解决这个警告信息的方法包括重新安装TensorFlow、从TensorFlow中导入Keras等。 #### 引用[.reference_title] - *1* [Python:Using TensorFlow backend.](https://blog.csdn.net/shuiyixin/article/details/88928354)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [Python报错: Using TensorFlow backend](https://blog.csdn.net/qq_44890213/article/details/104779334)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [已解决Using TensorFlow backend.](https://blog.csdn.net/yuan2019035055/article/details/128365817)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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