相关疑难解决方法(0)

这是从运行脚本以检查Tensorflow是否正常工作时收到的消息:

I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcublas.so.8.0 locally
I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcudnn.so.5 locally
I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcufft.so.8.0 locally
I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcurand.so.8.0 locally
W tensorflow/core/platform/cpu_feature_guard.cc:95] 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:95] The TensorFlow library wasn't compiled to use AVX instructions, but these are available …

我尝试从pip安装:

pip3 install --user --no-cache https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl

然后尝试导入并得到:

 Using TensorFlow backend.
  /usr/lib64/python3.6/importlib/_bootstrap.py:205: RuntimeWarning: 
  compiletime version 3.5 of module 
  'tensorflow.python.framework.fast_tensor_util' does not match runtime 
  version 3.6
    return f(*args, **kwds)

  2017-11-10 09:35:01.206112: I 
  tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports 
  instructions that this TensorFlow binary was not compiled to use: SSE4.1 
  SSE4.2 AVX

问题:

1. 我不明白为什么轮子说3.6,但我得到关于3.5的警告

2. 我想编译为我的CPU优化,所以我可以使用pip从源而不是从二进制轮安装？

如何在Python 3.6 x64中使用TensorFlow GPU版本而不是CPU版本？

import tensorflow as tf

Python正在使用我的CPU进行计算.
我可以注意到它,因为我有一个错误:

您的CPU支持未编译此TensorFlow二进制文件的指令:AVX2

我已经安装了tensorflow和tensorflow-gpu.

如何切换到GPU版本？

我正在尝试使用张量流后端运行二进制分类，但我不断收到错误，我认为该错误要求我使用正确的编译器标志重建张量流。我知道我的代码和数据是功能性的，所以我认为问题出在虚拟环境上。我尝试过在tensorflow的网站、ibm的网站、stackoverflow上寻找解决方案，但都没有成功。我也尝试过重新安装tensorflow和python。

完整回溯：

I tensorflow/compiler/jit/xla_cpu_device.cc:41] Not creating XLA devices, tf_xla_enable_xla_devices not set

I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX2 FMA

To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.

虚拟环境信息：

-使用anaconda环境

-Python 3.7.9

-张量流2.4.1

我正在尝试运行jupyter笔记本并出现以下错误。我正在将Win 7与Anaconda python 3.7一起使用。

ImportError：numpy安装出了点问题。导入时，我们在['c：\ users \ paperspace \ anaconda3 \ envs \ tensorflow10 \ lib \ site-packages \ numpy']中检测到了较旧的numpy版本。解决此问题的一种方法是重复卸载numpy，直到找不到为止，然后重新安装此版本。

我已按照错误中提到的步骤进行操作，但仍然无法正常工作。

我有一个与Tensorflow连接的python代码.它应该返回单个结果集.但是我得到了下面提到的警告以及结果.

警告:tensorflow:从C:\ Users\vsureshx079451\AppData\Local\Programs\Python\Python36\lib\site-packages\tflearn\objectives.py:66:使用keep_dims调用reduce_sum(来自tensorflow.python.ops.math_ops)已弃用,将在以后的版本中删除.更新说明:不推荐使用keep_dims,使用keepdims代替2018-02-04 19:12:04.860370:IC:\ tf_jenkins\workspace\rel-win\M\windows\PY\36\tensorflow\core\platform\cpu_feature_guard.cc :137]您的CPU支持未编译此TensorFlow二进制文件的指令:AVX AVX2

结果在这里!

我将在这里放一小段TensorFlow代码.请让我知道如何压制此警告.

注意:我从C#调用这个Python文件.所以我不想显示除结果之外的任何东西.

代码片段:

self.words = data['words']
        self.classes = data['classes']
        train_x = data['train_x']
        train_y = data['train_y']
        with open('intents.json') as json_data:
            self.intents = json.load(json_data)
        #input("Press Enter to continue...")
        tf.reset_default_graph()
        net = tflearn.input_data(shape=[None, len(train_x[0])])
        net = tflearn.fully_connected(net, 8)
        net = tflearn.fully_connected(net, 8)
        net = tflearn.fully_connected(net, len(train_y[0]), activation='softmax')
        net = tflearn.regression(net)
        # Define model and setup tensorboard
        self.model = tflearn.DNN(net, tensorboard_dir='tflearn_logs')

编辑:我也试过这个,它没用.

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

我正在尝试在 Ubuntu 上安装 tensorflow，但收到此消息：

(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 …

我一直想尝试 Tensorflow，但我不知道我的系统是否有足够的硬件要求。

我的系统规格是
• 英特尔 i3 处理器
• 4 GB 内存
• 1TB硬盘
• 英伟达 210 GPU

这个配置足以运行像图像识别这样的简单人工智能项目吗？我搜索了网站和其他资源，但没有找到有关系统要求的任何详细信息。

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？

我的问题与此处有关，但我使用的是 PyCharm，并根据本指南第 5 页使用 Python 解释器设置了我的虚拟环境。

当我运行我的 tensorflow 代码时，我收到警告：

您的 CPU 支持此 TensorFlow 二进制文件未编译使用的指令：AVX2

我可以忽略它，但由于我的模型拟合很慢，我想利用它。但是，我不知道如何在此虚拟环境 PyCharm 设置中更新我的系统以使用 AVX2？