相关疑难解决方法(0)

并提前感谢您的考虑，

我刚刚使用以下过程安装了 tensorflow（在一台已经安装了 Ubuntu 16.04 和 CUDA 8.0 的新机器上）：

最初，我使用--copt=-march=native. 我收到了消息

W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow 库并未编译为使用 SSE3 指令，但这些指令可在您的机器上使用，并且可以加速 CPU 计算。

W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow 库未编译为使用 SSE4.1 指令，但这些指令可在您的机器上使用，并且可以加速 CPU 计算。

W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow 库未编译为使用 SSE4.2 指令，但这些指令可在您的机器上使用，并且可以加速 CPU 计算。

W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow 库没有被编译为使用 AVX 指令，但这些在您的机器上可用并且可以加速 CPU 计算。

W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow 库并未编译为使用 AVX2 指令，但这些指令可在您的机器上使用，并且可以加速 CPU 计算。

W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow 库没有被编译为使用 FMA 指令，但这些在您的机器上可用并且可以加速 CPU 计算。

因此，为了解决这个问题，我搜索了解决方案并使用了以下如何使用 SSE4.2 和 AVX 指令编译 Tensorflow的答案 ？

通过使用 nVidia 的上述程序，从

bazel build -c opt --copt=-mavx …

有人知道这里的Tensorflow编译的可执行文件是否包括AVX支持？我已经在Google Compute Engine上运行Tensorflow的编译版本，并且运行缓慢。狗慢。冷糖蜜变慢。洛杉矶交通缓慢。本文说，使用AVX支持进行编译可以显着提高Google Compute Engine的性能，但是当我在该站点上执行编译过程时，它将失败。只是想知道AVX是否已在可执行文件中？

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] …

我正在用bazel从源代码构建张量流,如下所述: https://www.tensorflow.org/install/install_sources

在安装文档之后,我使用以下代码成功编译:

bazel build -c opt --copt=-mavx --copt=-mavx2 --copt=-mfma --copt=-mfpmath=both \
--cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0"--config=cuda \
-k //tensorflow/tools/pip_package:build_pip_package

这里接受的答案和安装文档中的注释"添加--cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0"到gcc 5及更高版本的构建命令"的组合.

但是,会import tensorflow as tf导致错误

illegal instruction (core dumped), exiting python.

我还试过:conda update libgcc无济于事.

如何使用gcc 5.0从源代码构建tensorflow？

当编译为支持AVX扩展的处理器(比如-m64 -march=corei7-avx -mtune=corei7-avx适用)时,同时使用-mfpmath=both -mavx密钥是否有意义？没有这么多,它会导致编译器使用三套指令(i87,SSE,AVX在同一时间)？或者只是i87为了标量(在某种意义上)和AVX仅用于向量？