有没有为 AVX 指令编译的 TensorFlow 版本？答案

【问题标题】：Is there a version of TensorFlow not compiled for AVX instructions?有没有为 AVX 指令编译的 TensorFlow 版本？
【发布时间】：2019-05-12 09:20:15
【问题描述】：

我正在尝试在我的 Chromebook 上安装 TensorFlow，我知道这不是最好的地方，但我只是想感受一下。我在 Python 开发环境或任何开发环境中没有做太多工作，所以请耐心等待。搞清楚pip后，我安装TensorFlow并尝试导入它，收到这个错误：

Python 3.5.2 (default, Nov 23 2017, 16:37:01) 
[GCC 5.4.0 20160609] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
2018-12-11 06:09:54.960546: F tensorflow/core/platform/cpu_feature_guard.cc:37] The TensorFlow library was compiled to use AVX instructions, but these aren't available on your machine.
Aborted (core dumped)

经过一番研究，我发现我的处理器（Intel Celeron N2840（Bay Trail-M 架构））不支持 AVX 指令，所以我想知道是否有办法使用为其他指令编译的版本放。 Cog 告诉我，我可以使用 MMX 和各种 SSE（不管是什么意思）。

附：这有点像TensorFlow error using AVX instructions on Linux while working on Windows on the same machine 的重复，但不完全是。另外，我无法发表评论，因为我没有 50 声望。

附言我看着How to compile Tensorflow with SSE4.2 and AVX instructions? 吓了一跳

【问题讨论】：

如果你不介意使用旧版本，TF 直到 1.5 版才使用 AVX 指令编译，所以如果你安装那个，你会尝试一些东西（并错过很多更多）
否则，您要么需要从源代码构建它，要么尝试从某人那里搜索非官方的轮子，因为 TF 现在只支持带 AVX 的 CPU
@GPhilo 我可以通过 pip 获得以前的版本，还是需要使用其他东西？
pip install tensorflow=1.5
@GPhilo 你缺少一个等号：pip install tensorflow==1.5

标签： python tensorflow avx

【解决方案1】：

peter-cordes 建议的最佳实践方法是通过发出以下命令来查看 gcc 将对您的“cpu 具有哪些功能”产生什么影响：

gcc -O3 -fverbose-asm -march=native -xc /dev/null -S -o- | less

此命令将从 gcc 的角度提供有关您的 cpu 功能的（全部）信息，由谁来进行构建，因此 gcc 的观点很重要。

什么时候出现？当程序提供为您的 cpu 定制自己时。当。我对我的 CPU 了解多少。好吧，上面一行会告诉你所有你需要知道的。

也就是说，一般来说，如果您的 cpu 具有 *.以上将给你*。仔细阅读你所看到的。如果你没有它，你就不想要它，即

-mno-avx(whatever you don't want;in my case it was avx)

提供了在旧 CPU 上安装 CPU 能力的一个很好的概述： Mikael Fernandez Simalango 用于 Ubuntu 16.04 LTS。它采用 python2.7 环境，但很容易转换为 python3。问题的核心是通过 /proc/cpuinfo 提取除 -march=native 之外的特定 cpu 上可用的 cpu 指令扩展，（但请注意，它似乎仅限于它接受的标志，因此可能是最好仔细阅读上面的说明并反思）

grep flags -m1 /proc/cpuinfo | cut -d ":" -f 2 | tr '[:upper:]' 
'[:lower:]' | { read FLAGS; OPT="-march=native"; for flag in $FLAGS; 
do case "$flag" in "sse4_1" | "sse4_2" | "ssse3" | "fma" | "cx16" | 
"popcnt" | "avx" | "avx2") OPT+=" -m$flag";; esac; done; 
MODOPT=${OPT//_/\.}; echo "$MODOPT"; }

在我的旧盒子输出上运行它：

-march=native -mssse3 -mcx16 -msse4.1 -msse4.2 -mpopcnt

它到了那里。不清楚的是如何说“不是这个”和“不是那个”，对于旧 CPU，这很可能是 -mno-avx。

对于旧 CPU，-march 很重要，Nephanth 非常有用地解决了这个问题：

gcc -march=native -Q --help=target|grep march

生产

-march=                             westmere

这意味着我对 ./compile 问题的回答应该是或可能是，并注意 gcc 文档中的引号“westmere”，因此“”必须存在是有原因的

-march='westmere' -mssse3 -mcx16 -msse4.1 -msse4.2 -mpopcnt -mno-avx

但这可能要好得多（见下面的讨论）：

-march=native -mssse3 -mcx16 -msse4.1 -msse4.2 -mpopcnt -mno-avx

-mno-avx 是 gcc 的一个选项，并且在数小时后会在

Python 3.5.2 (default, Nov 23 2017, 16:37:01) 
[GCC 5.4.0 20160609] on linux
Type "help", "copyright", "credits" or "license" for more 
information.
>>> import tensorflow as tf
>>> 
>>> tf.__version__
'2.0.0-alpha0'

看起来很成功。

重述：以任一顺序，找出您的 cpu 支持（或不）哪些指令，并明确说明这些指令。

【讨论】：

如果 -march=native 在 TensorFlow 的 bazel 构建脚本中正常工作，这就是您所需要的。它暗示了支持它们的目标上的其他-m 选项。它不能自行工作的事实意味着构建脚本必须吃掉它（和/或-mtune=native），而不是像不包含=的args那样将它传递给GCC。
@user:224132 事实上，谜团还在继续，我发现自己在玩另一个构建，其中似乎有一些负面说明不能或不应该做的事情需要还要说明，按 -mnoavx2 的顺序，因为我当前的构建失败了，我觉得我应该删除我的答案。在这种情况下，配置文件的构造非常无用，至少来自更多的 Make 思维模式，
我前段时间下载了 bazel 来看看调试 TensorFlow 的构建脚本，但它只是一层又一层的脚本。由于我自己不使用 TensorFlow，所以我感到无聊并停止了。
经过反思，gcc 不会进行挖掘以确定原生是什么，因为这意味着测试，因此原生可能是一个占位符，等待通过其他方式得出的特异性。
不，-march=native 确实可以可靠地工作，并且确实启用了您正在编译的 CPU 支持的所有 -m 选项。如果您运行gcc -O3 -fverbose-asm -march=native -xc /dev/null -S -o- | less（将一个空文件编译为C，将asm 输出通过管道传输到stdout），您将看到asm cmets 显示哪些选项被启用/禁用。例如在我的 Skylake CPU 上，它显示 -mavx2 -mfma -mbmi2 以及许多其他内容，以及检测调整设置，如 --param l1-cache-size=32 --param l1-cache-line-size=64。推测它使用cpuid指令来检查CPU特征位和缓存。

【解决方案2】：

试试Anaconda。它应该具有适用于旧 CPU 的 TensorFlow 分发版。 TensorFlow编译is difficult.

【讨论】：

【解决方案3】：

您可以在 Github 上找到预制轮子（支持 windows）：https://github.com/fo40225/tensorflow-windows-wheel 或者您可以自己构建轮子

我也遇到了同样的问题，但我已经解决了。

【讨论】：

理想情况下，我们应该在这里得到答案，以防提供的链接变为 404