此 TensorFlow 二进制文件使用 Intel(R) MKL-DNN 进行了优化，可在性能关键的情况下使用以下 CPU 指令答案

【问题标题】：This TensorFlow binary is optimized with Intel(R) MKL-DNN to use the following CPU instructions in performance critical此 TensorFlow 二进制文件使用 Intel(R) MKL-DNN 进行了优化，可在性能关键的情况下使用以下 CPU 指令
【发布时间】：2019-12-10 11:12:37
【问题描述】：

我正在尝试在 Ubuntu 上安装 tensorflow，我收到了这条消息：

(base) k@k-1005:~/Documents/ClassificationTexte/src$ python tester.py 
Using TensorFlow backend.


RUN: 1
  1.1. Training the classifier...
LABELS: {'negative', 'neutral', 'positive'}
2019-12-10 11:58:13.428875: 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:  SSE4.1 SSE4.2 AVX AVX2 FMA
To enable them in non-MKL-DNN operations, rebuild TensorFlow with the appropriate compiler flags.
2019-12-10 11:58:13.432727: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 3190585000 Hz
2019-12-10 11:58:13.433041: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x5591c387b750 executing computations on platform Host. Devices:
2019-12-10 11:58:13.433098: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): Host, Default Version
2019-12-10 11:58:13.433182: I tensorflow/core/common_runtime/process_util.cc:115] Creating new thread pool with default inter op setting: 2. Tune using inter_op_parallelism_threads for best performance.
Model: "model_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         (None, 8000)              0         
_________________________________________________________________
dense_1 (Dense)              (None, 3)                 24003

但是脚本可以工作并显示准确性，但上面的这部分显示在运行之前。你有什么想法吗，我在 anaconda 上安装了 tensorflow：

【问题讨论】：

不要使用你的基础环境！

标签： python tensorflow keras deep-learning nltk

【解决方案1】：

如果您对看到这些错误不感兴趣，请在运行脚本之前使用它

export TF_CPP_MIN_LOG_LEVEL=2

或

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

在您的脚本中。

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

更新：代码中的更简洁的方式：tf.get_logger().setLevel('ERROR')

【讨论】：

【解决方案2】：

抛出上述警告是因为TensorFlow 库最初是在不同架构的机器上编译的，并且没有针对您的特定架构进行优化。这意味着它将继续运行，但您不会从库中获得最大性能。

要在您的机器上获得最大性能，您需要在您的机器上构建 TensorFlow。

有关从源代码构建的步骤，请参阅official documentation。

官方文档：https://www.tensorflow.org/install/source

【讨论】：

我在同一台机器上构建了我的 Tensorflow，但仍然出现此错误。但我不知道如何为我的英特尔 cpu 找到合适的标志来启用 AVX2。我只是在任何地方都找不到它，
@Shilan 在 ./configure 中，当询问“请在指定 bazel 选项“--config=opt”时指定要在编译期间使用的优化标志 [默认为 -march=native -Wno-sign- compare]:" 提供 -mavx2（可能还有其他的，例如 -msse4.2 和 -mfma）
@Tyreal 那么这是否意味着如果我在配置文件中配置所有内容，我在运行 train 命令时就不需要再次标记它们？
@Shilan 是的，没错。您只能在构建时添加对 CPU 指令的支持。创建包后，它将使用已编译的标志，以后无法启用对特定指令的支持。