TensorFlow CPU环境 SSE/AVX/FMA 指令集编译录 Mac OS 10.15.5 python3.7 tensorflow2.0

最新推荐文章于 2024-06-20 16:02:44 发布
最新推荐文章于 2024-06-20 16:02:44 发布
阅读量275 收藏 1
点赞数
文章标签： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_28782215/article/details/107238198
版权

TensorFlow CPU环境 SSE/AVX/FMA 指令集编译录 Mac OS 10.15.5 python3.7 tensorflow2.0

TensorFlow CPU环境 SSE/AVX/FMA 指令集编译

训练过程中会提示cpu支持AVX 等指令但编译的版本不支持，

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA

文末附自己编译的wheel，解决了该问题

编译成功的wheel
网盘链接: https://pan.baidu.com/s/1G-bHyZqZ47tNGdwxOKDAvQ 密码: dikk

目前不知道是否有其他问题出现，大家有问题可以留言

获野琥珀川
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TensorFlow安装（MAC OS 10.12.4 + python3.6 + TensorFlow CPU）
marlonlyh的博客
05-08 7841
TensorFlow是机器学习和深度学习一个主流框架，使用TensorFlow第一步就是安装它。本文主要参考：https://www.tensorflow.org/install/install_mac。操作系统是：MAC OS 10.12.4 ，python版本是：python3.6 ，TensorFlow版本是：TensorFlow CPU。如果环境有差异，安装过程会有不同。 安装Anacond
车轮：针对TensorFlow（SSE，AVX，FMA，XLA，MPI）进行性能优化的车轮
02-03
这个特别的优化版本是针对TensorFlow进行了特定的硬件加速技术的集成，包括SSE（Streaming SIMD Extensions）、AVX（Advanced Vector Extensions）、FMA（Fused Multiply-Add）以及XLA（Accelerated Linear Algebra...
[VC] 检测AVX系列指令集的支持级别（AVX、AVX2、F16C、FMA、FMA4、XOP）
weixin_33795743的博客
07-04 720
从2011年的Sandy Bridge微架构处理器开始，现在支持AVX系列指令集的处理器越来越多了。本文探讨如何用VC编写检测AVX系列指令集的程序，并利用了先前的CPUIDFIELD方案。 一、AVX系列指令集简介 　　SSE5 指令：SSE5 是一个纸面上的指令集，并没有最终实现，AMD 在 2007 年 8 月公布 SSE5 指令集规范，在 2009 年 5 月 AMD 推出了 XOP，...
处理器架构与指令集
qq_44915301的博客
09-17 1416
哈佛结构和冯诺依曼结构主要区别在是否区分指令与数据。在教科书里这是两种截然不同的做法。但实际上在内存里，指令和数据是在一起的。而在CPU内的缓存中，还是会区分指令缓存和数据缓存，最终执行的时候，指令和数据是从两个不同的地方出来的。你可以理解为在CPU外部，采用的是冯诺依曼模型，而在CPU内部用的是哈佛结构。哈佛结构设计复杂，但效率高。冯诺依曼结构则比较简单，但也比较慢。CPU厂商为了提高处理速度，在CPU内增加了高速缓存。也基于同样的目的，区分了指令缓存和数据缓存。
CPU/GPU算力估算方法
最新发布
wonderviolet的博客
06-20 594
CPU/GPU算力估算方法
CPU/GPU理论计算极限评估
永远飞翔的鸟
08-10 1347
得到了实际操作值，我们需要知道的是我们能优化的极限值是多少，也就是机器的理论计算极限，这个极限我们永远也达不到，但是我们必须明确的知道，比如理论极限是2秒，我们已经从10秒优化到2.01秒了，基本就没有必要再继续花大量时间优化速度了，而应该考虑买更多的机器或者更新的设备。(256bit/32bit)* 2(FMA) * 2(乘和加) = 32 SP FLOPs/cycle，即每个时钟周期可以做32个单精度浮点计算。CPU峰值浮点计算性能 = CPU核数 * CPU频率 * 每周期执行的浮点操作数。
CPU峰值性能计算方法
qq_38128961的博客
09-06 8509
最近在整cpu的CNN推理性能优化，不可避免的要清楚CPU的性能峰值在哪里，因此要算峰值算力，在查的时候发现很多人都说的不对。 CPU的峰值算力主要是从以下几个方面考虑：FMA乘加运算、Turbo frequency、CPI、CPU core、SIMD。 FMA乘加运算：算关于cnn的算力都是算乘加的性能的，流水线后乘法和加法能够并行运算，所以算力乘2既可。 Turbo frequency：Turbo是intel的自动超频技术，intel cpu会根据任务量自动调整频率，用的core越少，频率会越高。
体系结构实验（1）—— 计算机性能评测
zyw2002的博客
10-05 2681
CR有时也称为命令周期。其中根据第一问的CPU-Z的性能报告可以看出：我的电脑支持的高级矢量指令集是AVX2, 其中AVX2的处理器的单指令的长度是256bit，每颗CPU包含4个FMA，一个FMA一个时钟周期可以进行2次乘或者加的运算，那么这个处理器在1个核心1个时钟周期可以执行。MMX是X86处理器首个加入的扩展指令集，于1997年首次出现在奔腾MMX处理器中，是处理器中最重要的提升多媒体性能的扩展指令集，AMD的MMX（+）是对MMX指令集进一步完善之后的结果（AMD原先还有个3D NOW！
已编译好的 Tensorflow 1.9 支持 AVX AVX2 FMA
06-20
自己编译的Tensorflow，在 Ubuntu 18.04 环境下编译的，支持 CPU 的 AVX AVX2 FMA 指令，我的 CPU 是 4 代 i5。官方的二进制版 Tensorflow 只支持 CPU 的 AVX 指令，不支持 AVX2 和 FMA；自己编译会遇到各种各样的...
tensorflow-build:TensorFlow二进制文件支持AVX，FMA，SSE
05-10
该存储库包含tensorflow的自定义构建。 要在您的系统上安装其中之一，请根据您的python和gcc版本下载正确的文件，然后运行以下命令。 pip install --ignore-installed --upgrade /path/... FMA，AVX，AVX2，SSE4.1，S
【TensorFlow 2.0】Ubuntu16.04 虚拟环境中安装TensorFlow 2.0（CPU）
12-21
在Ubuntu 16.04上安装TensorFlow 2.0的CPU版本，需要遵循一定的步骤，确保系统满足TensorFlow的最低要求，并正确地配置虚拟环境。以下是对这些步骤的详细说明： **第一步：TensorFlow 2.0系统要求** 在安装...
intel SSE2/3/4，AVX指令集
11-09
比较全的指令集，结合intel编译器和VS2008/VS2010使用。
无AVX指令的SSE版本：tensorflow-2.6.0-cp38-cp38-win_amd64.whl
11-30
没有AVX指令的老机器可以使用的SSE指令版本的tensorflow2.6
tensorflow-build-archived：支持AVX，FMA，SSE的TensorFlow二进制文件
02-04
本资源“tensorflow-build-archived”提供了预编译的TensorFlow二进制文件，这些文件针对特定的指令集进行了优化，包括AVX（Advanced Vector Extensions）、FMA（Fused Multiply-Add）和SSE（Streaming SIMD ...
CPU和GPU浮点运算方法-公式
zzssllxiaobai的博客
05-25 5744
的最新cpu支持高级矢量指令集AVX2、AVX512， 其中AVX2的处理器的单指令的长度是256bit，每颗intelCPU包含2个FMA，一个FMA一个时钟周期可以进行2次乘或者加的运算，那么这个处理器在1个核心1个时钟周期可以执行256bit*2FMA*2M/A/64=16次浮点运算，也称为16FLOPs，就是Floating Point Operations Per Second；一个处理器的计算能力和核心的个数，核心的频率，核心单时钟周期的能力三个因素有关系。但是架不住GPU的核心的数量多呀。
Intel, AMD及VIA CPU的微架构（28）
wuhui_gdnt的专栏
12-14 461
9.16. Sandy Bridge与Ivy Bridge中的瓶颈 指令获取与预解码 指令获取与解码非常类似于之前的处理器，仍然是一个瓶颈。幸运的是，新的μop缓存降低了解码器的压力。 μop缓存 新的μop缓存有了显著的提高，因为在代码的关键部分适合μop缓存时，它消除了指令获取与解码的瓶颈。现在，很容易得到每时钟周期4条指令的最大吞吐率（或者宏融合的5条），即使对更长的指令。 程序员...
nlp_Python源码安装步骤及问题解决
yangyanglulu的博客
03-07 304
Linux Python安装出现死循环，导致安装失败，如何解决
TensorFlow CPU环境 SSE/AVX/FMA 指令集编译
fengbin2005的专栏
03-07 4066
TensorFlow CPU环境 SSE/AVX/FMA 指令集编译 sess.run()出现如下Warning W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are availabl...
I tensorflow/core/platform/cpu_feature_guard.cc:182] This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations. To enable the following instructions: SSE SSE2 SSE3 SSE4.1 SSE4.2 AVX AVX2 FMA, in other operations, rebuild TensorFlow with the appropriate compiler flags.
07-12
根据您提供的信息，这是TensorFlow在启动时打印的一条消息，它告诉您当前安装的TensorFlow二进制文件是针对可用的CPU指令进行了优化的。要启用这些指令，您可以重新编译TensorFlow，并使用适当的编译器标志来构建它...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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