TensorFlow 未编译为使用 SSE（等）指令，但这些指令可用

Posted 2023-02-23

【中文标题】TensorFlow 未编译为使用 SSE（等）指令，但这些指令可用

【英文标题】：TensorFlow wasn't compiled to use SSE (etc.) instructions, but these are available

【发布时间】：2017-08-25 09:00:48

【问题描述】：

我第一次使用一些示例代码运行 TensorFlow。运行我的代码时收到以下警告。有谁知道为什么会发生这种情况，以及如何解决？

2017-03-31 02:12:59.346109: W c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE instructions, but these are available on your machine and could speed up CPU computations.
2017-03-31 02:12:59.346968: W c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE2 instructions, but these are available on your machine and could speed up CPU computations.
2017-03-31 02:12:59.346975: W c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow libbrary wasn't compiled to use SSE3 instructions, but these are available on your machine and could speed up CPU computations.
2017-03-31 02:12:59.346979: W c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
2017-03-31 02:12:59.346983: W c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
2017-03-31 02:12:59.346987: W c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\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.
2017-03-31 02:12:59.346991: W c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\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.
2017-03-31 02:12:59.346995: W c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\platform\cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.

【问题讨论】：

w 是warning 的缩写...你是如何运行它的...？

发行 2 个不同版本会杀死 TF 吗？ （这只是它们的构建设置问题，现在我应该安装（并学习）800% 的开销来从源代码重新编译）。

我已经按照这些说明编译了 TF。你可以从github.com/lakshayg/tensorflow-build下载二进制文件

How to compile Tensorflow with SSE4.2 and AVX instructions?的可能重复

这个答案有有用的相关信息：***.com/questions/41293077/…

【参考方案1】：

这些是警告（如冒号后的W 所示。错误有一个E）。

警告是指您的 CPU 支持 SSE Instructions，这允许一些快速的硬件并行操作。启用这些操作是一个编译时操作（即，要使用 SSE，您需要从源构建库以启用您所针对的特定 SSE 版本），在这种情况下，您可以take a look at this question。

但请注意，SSE 支持仅影响计算速度。 Tensorflow 可以在有或没有 SSE 的情况下工作，但您的代码可能需要更长的时间才能运行。 另请注意，这仅影响 CPU。如果您使用的是 GPU 构建的 Tensorflow，则在 GPU 上运行的所有操作都不会受益于 SSE 指令。

【讨论】：

谢谢！这真的很有帮助。我会确保查看这些链接！

【参考方案2】：

要隐藏这些警告，您可以在实际代码之前执行此操作。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

详细讨论请参考这里https://github.com/tensorflow/tensorflow/issues/7778

我希望，它可以对他人有所帮助。 :)

【讨论】：

抱歉，我的问题来自一个老问题，但你能具体解释一下这是做什么的吗？谢谢！ （我想在我赞成之前理解它）

基本上它是使用python在您的系统上设置环境变量，而不是手动设置它。例如在 cmd 上（如果你是 Windows 用户）这样做set TF_CPP_MIN_LOG_LEVEL=2 就可以了。关键是，如果你想隐藏警告，你可以这样做。 **这里是关于该环境变量的更详细说明：** TF_CPP_MIN_LOG_LEVEL 是负责日志的 TensorFlow 环境变量，将 INFO 日志静音设置为 1，过滤掉 WARNING 2 并另外静音 ERROR 日志（不推荐）设置它to 3. 希望对你有帮助:)

谢谢，这更有意义！

他不会对所有警告保持沉默吗？在输出中仅隐藏一个警告是相当过分的。另外，环境变量与tf.logging.set_logging_level() 有什么关系？该函数是覆盖变量还是相反？

【参考方案3】：

这不是错误，只是警告说如果您从源代码构建 TensorFlow，它可以在您的机器上更快。

就像警告所说的那样，如果您需要使 TF 更快，您应该只使用这些标志编译 TF。

您可以使用TF环境变量TF_CPP_MIN_LOG_LEVEL，它的工作原理如下：

默认为0，显示所有日志 要过滤掉 INFO 日志，请将其设置为 1 WARNINGS 另外，2 并额外过滤掉 ERROR 日志，将其设置为 3

因此您可以执行以下操作来消除警告：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

更多详细讨论请见How to compile tensorflow using SSE4.1, SSE4.2, and AVX.