运行tensorflow是出现的问题This TensorFlow binary is optimized with Intel(R) MKL-DNN to use the following CPU

2019-09-06 11:01:39.589297: I tensorflow/core/platform/cpu_feature_guard.cc:145] This TensorFlow binary is optimized with Intel(R) MKL-DNN to use the following CPU instructions in performance critical operations:  AVX AVX2
To enable them in non-MKL-DNN operations, rebuild TensorFlow with the appropriate compiler flags.
2019-09-06 11:01:39.591143: I tensorflow/core/common_runtime/process_util.cc:115] Creating new thread pool with default inter op setting: 8. Tune using inter_op_parallelism_threads for best performance.

翻译一下:

根据我目前查到的资料,

这个TensorFlow二进制文件使用Intel(R) mkl - dnn进行了优化,以便在性能关键操作中使用以下CPU指令:AVX AVX2

要在非mkl - dnn操作中启用它们,请使用适当的编译器标志重新构建TensorFlow

说白了就是tensorflow安装的不对,不是版本问题,而是需要从源代码安装tensorflow

一种解决方法,就是忽略

import os 
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

加上这两句可以覆盖掉

第二种

https://stackoverflow.com/questions/41293077/how-to-compile-tensorflow-with-sse4-2-and-avx-instructions

部分方法,

 

### 回答1: 这个 TensorFlow 二进制文件优化了 OneAPI 深度神经网络库(onednn),以便在性能关键操作中使用以下 CPU 指令:AVX2。为了在其他操作中启用它们,请使用相应的编译器标志重新构建 TensorFlow。 ### 回答2: TensorFlow是一种强大的机器学习框架,用于训练和部署深度神经网络模型。优化TensorFlow的二进制文件可以提高性能,使其能够更有效地利用CPU指令,提高训练和推理速度。OneDNN是一个深度神经网络库,可以增强TensorFlow的性能。 在与OneDNN集成的优化TensorFlow的二进制文件中,使用了AVX2指令以加快性能关键操作。这意味着TensorFlow在进行某些关键操作时,将使用AVX2指令来进行运算,这将大大提高性能。如果希望在其他操作中也能启用AVX2指令,则需要使用适当的编译器标志重新构建TensorFlow。 重新构建TensorFlow是需要一定的技能和经验的。您需要了解TensorFlow的架构和编译方式,并使用适当的编译器标志来配置它。适当的编译器标志将确保TensorFlow利用所有可用的CPU指令,从而提高性能,而错误的标志可能会导致TensorFlow无法编译或性能变差。 总之,把TensorFlow与OneDNN集成,使用AVX2指令可以显著提高TensorFlow的性能。但是,重新构建TensorFlow需要知识和经验,如果您不确定如何操作,最好寻求专业的技术支持。 ### 回答3: TensorFlow是一种流行的深度学习框架,其中尤其以使用GPU实现的高效加速计算而著名。不过,也有许多场景中需要在CPU运行TensorFlow,此时TensorFlow的性能取决于CPU的性能。 针对这种情况,OneAPI Deep Neural Network Library(OneDNN),也被称为Intel MKL-DNN,为TensorFlow提供了一种CPU优化的选项。OneDNN是一个开源的C++库,为在Intel CPU上执行高效的深度学习加速计算提供支持。 为了在TensorFlow中使用OneDNN,需要使用AVX2指令集对性能关键操作进行优化。AVX2是Intel CPU的一个矢量指令集,可以降低指令处理的周期数和时钟周期数,提高CPU执行计算密集型任务的速度。 具体来说,使用AVX2指令集可以在下列操作中实现高效的计算: • Matrix-Matrix multiply and add • Matrix-Matrix multiply and subtract • Matrix-Vector multiply and add • Matrix-Vector multiply and subtract 但是,要在其他操作中使用AVX2,需要重新编译TensorFlow,并使用适当的编译器标志。这样可以确保TensorFlow具有AVX2的支持,并能够在性能关键的操作中实现高效的计算。 总之,OneDNN提供了一种优化TensorFlowCPU上执行深度学习任务的方式,而AVX2指令则是提高CPU执行速度的重要工具。通过使用这种方法,可以在CPU上有效地利用TensorFlow的各种功能,并实现更快的计算速度。
评论 6
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