TensorFlow库未编译为在Google Cloud Platform控制台上使用SSE3,SSE4.1,SSE4.2,AVX

Question

我有一个TensorFlow模型来测试一个宽n深度的神经网络,但由于TensorFlow库中的一个错误,我无法让它在我的Windows机器上运行.现在我不得不诉诸谷歌云平台.我在python文件处理输入的地方设置了所有内容,但是当我通过控制台运行代码时,我收到以下消息:

$ python -m widendeep.py -h
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.
W 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.
W 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.
W 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.

在Windows上运行时,这些消息不会显示.这是因为我无法通过这种方式通过云运行吗？我是否必须使用gcloud ml-engine本地火车或gcloud ml-engine工作提交培训my_job？任何关于正确方法的指导都会很棒.

Answer 1

在 Windows 上运行时不会显示这些消息。这是因为我无法以这种方式通过云运行它吗？

您可以按原样运行代码，或者至少如果不能运行，则它与您列出的警告无关。

这些警告表明，您可能会通过运行 TensorFlow 的机器架构获得更好的性能，因为它支持比编译时更高级的指令集。

我是否必须使用 gcloud ml-engine local train 或 gcloud ml-engine jobs 提交训练 my_job？

我对谷歌云不太熟悉（我自己目前使用亚马逊），但我可以说，如果你确实需要使用上述命令，它与你上面列出的警告无关。

这些警告适用于 CPU 指令集及其与 GPU 的交互方式，因此性能改进可能很显着，也可能不显着（或根本不存在），具体取决于您的特定应用程序。

如果您想确保充分利用正在运行程序的硬件的全部潜力，则需要在正在运行的平台上编译 TensorFlow（请参阅如何使用 SSE4.2 和 AVX 指令编译 Tensorflow？） 。