TensorFlow代码运行时出现AVX警告的原因及解决办法

最新推荐文章于 2024-09-07 11:04:47 发布

2024坚持到底

最新推荐文章于 2024-09-07 11:04:47 发布

阅读量2.8k

点赞数 5

分类专栏：深度学习文章标签： python tensorflow

本文链接：https://blog.csdn.net/weixin_51444827/article/details/109003581

版权

深度学习专栏收录该内容

5 篇文章 0 订阅

订阅专栏

tensorflow 代码执行时出现AVX警告的原因及解决办法：

2020-10-08 21:35:34.509010: W c:\tf_jenkins\home\workspace\release-win\m\windows\py\36\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
2020-10-08 21:35:34.509290: W c:\tf_jenkins\home\workspace\release-win\m\windows\py\36\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.

原因：

这个警告意思是安装的TensorFlow支持AVX/AVX2，但是没有编译，使用AVX/AVX2可以提升CPU的执行效率。一般出现这种情况原因是安装TensorFlow时使用的是pip install tensorflow而不是源码安装。

解决办法：

在代码中添加两行代码指定日志级别，可屏蔽警告信息：

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

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

2024坚持到底

关注关注

5
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

The TensorFlow library wasn't compiled to use SSE4.1/SSE4.2/AVX/AVX2/FMA instructions, but these are

david ding的专栏

09-11

1669

执行如下命令是报错： # python -c "import tensorflow as tf; print(tf.Session().run(tf.constant('Hello, TensorFlow')))" The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available

tensorflow安装CPU指令集（AVX2）警告解决方案

手握灵珠常奋笔

05-26

1万+

问题原因在macOS通过pip3 install 安装tensorflow(CPU版)后，运行示例代码 import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello).decode()) 运行之后可以正常输出 “Hello, Tens...

参与评论您还未登录，请先登录后发表或查看评论

完美解决Tensorflow不支持AVX2指令集问题|指令集加速

honor

07-12

1万+

在pycharm中安装tensorflow后运行如下测试代码： import tensorflow as tf x = tf.Variable(3, name="x") y = tf.Variable(4, name="y") f = x*x*y + y + 2 print(f) 发现会报一行错误 Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2大概意思是安装的tensorf

tensorflow 支持avx

10-20

支持avx指令集的tensorflow，解决在运行时的报错问题。

You requested GPUs: [1] But your machine only has: [0]

最新发布

weixin_40842034的博客

09-07

238

5 如果还是错，就重新再一遍，安装cuda/cunn-> source .bashrc -> conda install torch。则检查torch版本，按照Torch的官方给的conda命令行重新装一下Torch。使用上述两个验证方法，如何还是 False。则检查cuda和cunn是否安装正确。输出的应该就是 torch能drive的gpu和是不是可使用了。3. 安装cuda和cunn之后，再重新安装一遍torch。1. 出现这个问题的时候，首先检查。2. 重新装置之后还是False。

tensorflow library was compiled to use avx instructions, but these aren't available on your machine

qq_2918的博客

12-23

6835

问题描述 2018.12.23，安装 tensorflow 版本后，报错，如题： tensorflow library was compiled to use avx instructions, but these aren't available on your machine 安装环境： Ubuntu 18.04 LTS CPU：4 x Intel Xeon E7- 4...

安装Tensorflow使用AVX指令集

weixin_34283445的博客

04-22

1000

Blog的Github地址：github.com/liuyan731/b… 最近上线了两个机器学习Python服务，但是在线上的性能并不是特别好，而且CPU的负载非常高。然后发现是安装的Tensorflow未使用AVX指令集导致的。今天分享一下调试方法和解决方案。未使用AVX指令集warning 最近发现线上Tensorflow python服务CPU消耗过高，服务性能也非常差，然后分析原因，...

tensorflow遇到的问题1：The TensorFlow library wasn't compiled to use AVX instructions

XYKenny的博客

04-25

2851

链接: [link]https://blog.csdn.net/tz_zs/article/details/75747603. 图片: 警告：你的机器是支持使用AVX指令的，使用SSE可以加速你的CPU计算。但是，你的Tensorflow库没有编译，所以用不了。遇到这个警告的原因是，你是使用例如 “pip install tensorflow” 这种方法安装的Tensorflow，而不是从源码...

解决Tensorflow 使用时cpu编译不支持警告的问题

09-18

完成上述操作后，重新运行TensorFlow代码，你应该不会再看到CPU编译不支持的警告，并且计算效率可能会有所提高。总的来说，解决TensorFlow的CPU编译不支持警告是关于平衡性能和简便性的问题。如果你的项目对计算...

tensorflow和python版本不一样_安装Tensorflow:Python Tensorflow版本不匹配警告

weixin_42136826的博客

01-30

682

编辑：tensorflow-1.3.0-cp36-cp36m-linux_x86_64.whl现在收到了不同的警告。这些看起来要小得多？在2017-11-02 13:31:01.945114: W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4....

ubuntu16.04安装TensorFlow，并测试TensorFlow的运行

热门推荐

xxy_的博客

08-31

2万+

一、安装python3.5 参考连接：Tensorflow Ubuntu16.04上安装及CPU运行tensorboard、CNN、RNN图文教程注：本文采取链接博文的python3.5安装过程，以及程序测试内容。但是安装TensorFlow的过程不采取。若直接采取“sudo pip3 install tensorflow”的方式，运行深度学习程序时会报如下warnings。这些waring

老cpu（10年前的core i3 不支持avx指令集）安装tensorflow2.0

12-21

win 10 老cpu（10年前的core i3 不支持avx指令集）安装tensorflow2.0直接使用pip install tensorflow 的问题安装Anacondagithub上下载see2版本的tensorflow2.0配置虚拟环境安装tensorflow2.0验证安装情况更改pip安装源安装其他支持包直接使用pip install tensorflow 的问题安装完成之后，因为默认安装的版本是需要cpu支持avx指令集的，因此import tensorflow的时候会报错，具体表现为提示动态链接库方面的问题（网上有教程说下载安装vc64位运行库即可解决，应该不是针对cp

TensorFlow关于 SSE AVX的Warning问题

Moxiao__墨箫

08-01

5213

从谷歌下载TensorFlow使用，在测试使用过程中，每次运行代码，都会输出一大堆的warning信息（见本文的最后部分），其大致意思是：本机CPU架构支持SSE、AVX等加速指令，而当前使用的TensorFlow库并没有充分利用这些指令集，如果能够使用开启了这些指令集的TensorFlow版本，则可以提高TensorFlow的执行效率。就目前而言，查阅了谷歌的相关文档，提供的TensorFlo

老电脑也要玩tensorflow，解决AVX、SEE、SEE2等报错之路

mooe1011的博客

04-01

4596

用宏碁5750g来跑mnist手写识别的神经网络，真的是慢。我原来的配置是i5，2g内存，gt540m，用显卡跑是没希望了，后来升级为i7 2760qm和6g内存。刚开始跑的时候说我的电脑可以用AVX，于是有了这篇文章。本文适合显卡不高、windows系统的电脑参考：https://blog.csdn.net/wlwlomo/article/details/82806118...

Tensorflow Cpu不支持AVX

weixin_30649641的博客

11-08

1936

Tensorflow从1.6开始从AVX编译二进制文件，所以如果你的CPU不支持AVX 你需要从源码编译下载旧版从源码编译比较麻烦，如果你是初学的话，我建议使用旧版。安装旧版： pip3 install tensorflow==<version> #version指定版本例： pip install tensorflow==1.5.0 你可以从这里找到你需要的其他版本 ...

Docker——The TensorFlow library wasn't compiled to use SSE/AVX/FMA instructions

attackkk的博客

01-19

453

搭建docker环境之tensorflow-gpu（指定版本+从源码编译）背景步骤背景两个问题：版本问题：英伟达官网上的tensorflow镜像没有我想要的版本。 CPU问题：通过pip安装的tensorflow在运行时会发出警告：浪费了CPU的性能。这是因为tensorflow并不是通过源码编译造成的。 2020-01-19 08:03:05.879415: W tensorflow/...

从源码编译 tensorFlow ,启用CPU 指令加速

TuringEvo专栏

07-30

2249

7 Please specify optimization flags to use during compilation when bazel option “–config=opt” is specified [Default is -Wno-sign-compare]: --copt=-march=native # 配置 bazel 编译的参数，我这是纯 cpu 加速，所以填写。: 这是两个选项的组合，用于以交互式终端运行容器，并将终端连接到容器的输入/输出（stdin/stdout）。

linux cpu是否支持avx,Tensorflow Cpu不支持AVX

weixin_34160181的博客

05-13

1591

运行tensorflow代码时，出现警告：The TensorFlow library wasn't compiled to use SSE instructions, ……解决办法

Angelet_Wang的博客

11-19

2273

在运行tensorflow代码时，出现警告： The TensorFlow library wasn't compiled to use SSE instructions, but these are available on your machine and could speed up CPU computations. 翻译：你的机器是支持使用SSE指令的，使用SSE可以...

使用编译了AVX2指令集的TensorFlow二进制文件。

07-10

要使用编译了AVX2指令集的TensorFlow二进制文件，你可以按照以下步骤进行操作： 1. 首先，确认你的CPU确实支持AVX2指令集。可以通过查看CPU的型号和规格来确定。如果你的CPU支持AVX2指令集，那么你可以继续下一步。 2. 下载编译了AVX2指令集的TensorFlow二进制文件。你可以访问TensorFlow官方网站或GitHub页面，寻找与你的操作系统和硬件相匹配的预编译版本。确保选择一个支持AVX2指令集的版本。 3. 安装下载好的TensorFlow二进制文件。具体的安装步骤可能因操作系统和版本而有所不同。通常，你需要将下载好的文件解压缩，并将其路径添加到系统环境变量中，以便在命令行或脚本中可以直接使用。 4. 验证安装是否成功。打开命令行终端，运行`python`命令，然后输入以下代码： ```python import tensorflow as tf print(tf.__version__) ``` 如果输出的版本号与你安装的TensorFlow版本一致，并且没有出现AVX2相关的警告信息，那么说明你已成功使用了编译了AVX2指令集的TensorFlow二进制文件。请注意，如果你不确定如何选择合适的预编译版本或遇到其他问题，建议查阅TensorFlow的官方文档或社区支持资源，以获取更多帮助和指导。