如何解决这些 tensorflow 警告？答案

【问题标题】：How do I resolve these tensorflow warnings?如何解决这些 tensorflow 警告？
【发布时间】：2017-02-16 10:07:05
【问题描述】：

我刚刚使用 pip 安装了 Tensorflow 1.0.0。运行时，我收到如下所示的警告。

W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE3 instructions, but these are available on your machine and could speed up CPU computations.

我收到了另外 5 个关于 SSE4.1、SSE4.2、AVX、AVX2、FMA 的类似警告。

尽管有这些警告，但程序似乎运行良好。

【问题讨论】：

您是否尝试过按照警告中的说明进行操作？例如：编译它以使用 sse3 指令？
这里有点菜鸟，我该怎么做？
使用 pip 安装软件的全部意义在于不必构建它。自从我通过 pip 将 TF 从 r0.12 更新到 r1.0 后，我遇到了同样的错误。
GPU 的 PIP 构建似乎也很糟糕，因为我收到了关于 GPU 版本和安装 GPU 的警告。似乎谷歌人对关闭非常积极问题即使错了。很明显，Pip 构建不应该产生这些错误..（以前的版本没有。）如果不是全部现代的话，大多数（最近 4 年的 CPU 都有说明）
我硬着头皮为我的原生 CPU 构建。除了警告消失之外，性能提升非常显着，使用 pip install 版本训练了一个小型 RNN：339 秒。为我的系统构建后 187 秒。我以前从来没有为我的系统构建过一个包定制，我没有发现它很困难（只是有点费时）。

标签： python tensorflow

【解决方案1】：

export TF_CPP_MIN_LOG_LEVEL=2 在 Ubuntu 上为我解决了这个问题。

https://github.com/tensorflow/tensorflow/issues/7778

【讨论】：

这只是禁用警告，不是吗？

【解决方案2】：

我提出的解决问题的方法：

#!/usr/bin/env python3
import os
import tensorflow as tf
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

至少应该在任何 Debian 或 Ubuntu 系统上工作。

【讨论】：

非常感谢分享这个。这对我很有帮助，也适用于 Mac OS。

【解决方案3】：

我对C不太了解，但我发现了这个

bazel build --linkopt='-lrt' -c opt --copt=-mavx --copt=-msse4.2 --copt=-msse4.1 --copt=-msse3-k //tensorflow/tools/pip_package:build_pip_package

你如何构建你的程序？

【讨论】：

能否提供出处？
我在github上找到的。 github.com/tensorflow/tensorflow/issues/7449

【解决方案4】：

似乎即使您没有兼容的（即 Nvidia）GPU，您实际上仍然可以通过 pip install tensorflow-gpu 安装 tensorflow-gpu 的预编译包。看起来除了 GPU 支持之外，它还支持（或至少不抱怨）CPU 指令集扩展，如 SSE3、AVX 等。我观察到的唯一缺点是 Python 轮子有点更大：tensorflow-gpu 为 90MB，而普通 tensorflow 为 42MB。

在我没有 Nvidia GPU 的机器上，我确认 tensorflow-gpu 1.0 运行良好，没有显示 cpu_feature_guard 警告。

【讨论】：

查看我上面的评论我有 GPU 和 GPU 版本并收到警告

【解决方案5】：

GPU 的 PIP 构建似乎很糟糕，而且我收到了关于 GPU 版本和已安装 GPU 的警告...

【讨论】：

这确实回答了这个问题，我在上面的评论中进一步更新了它，PIP 安装不应该产生这个错误。我想我需要在 GitHub 中打开它错误似乎适用于 GPU 版本和 CPU 版本，因为我的 GPU 版本具有最新的处理器，包括 Intel coreI7 和 Nvidia (1070) 有人正在积极地删除有用的信息。

【解决方案6】：

这些只是警告。他们只是告诉你，如果你从源代码构建 TensorFlow，它可以在你的机器上更快。

在我认为尽可能兼容更多 CPU 的可用版本上，默认情况下不启用这些指令。

【讨论】：

【解决方案7】：

正如警告所说，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

【讨论】：