小编tut*_*eri的帖子

我刚刚安装了 Visual Studio 2019 和 Tensorflow，但我无法导入 Keras，因为我收到以下错误消息：

Keras 需要 TensorFlow 2.2 或更高版本。通过以下方式安装 TensorFlowpip install tensorflow

问题是我别无选择，只能安装 Tensorflow 1.15，因为我有以下设置：

• 视觉工作室 2019
• 蟒蛇 3.7
• CPU i7 920（没有avs，只有SSE）
• 操作系统 Windows 7 64
• 英伟达图形处理器
• CUDA 10.1

我必须为该 Python 版本、我的 CPU 和名为“tensorflow-1.15.0-cp37-cp37m-win_amd64”的 CUDA 版本下载并安装一个轮子。

Tensorflow 似乎可以工作（它检测到我的 GPU 并打印“hello world”消息），但问题是 Visual Studio 安装了最新版本的 Keras。

如何指定较旧的兼容版本，新版本兼容什么？

这段代码实现了排序网络，我正在尝试使用 Numba 来编译它们以提高性能。然而，每个函数的编译时间呈指数增长。总共有大约 60 个函数（下面仅显示 19 个示例），Numba 在太阳经历红巨星膨胀之前无法完成编译它们。

我怀疑问题在于 Numba 尝试在编译期间应用 -O2 等激进的优化标志，从而导致过度的复杂性和处理时间。

编辑：我发现 numba从环境变量 NUMBA_OPT 中获取他的优化级别，所以我将其设置0为

import os
os.environ["NUMBA_OPT"] = "0"

但它什么也没做。

有没有办法指示 Numba 简单地生成这些函数的汇编代码，而不尝试进一步优化？或者有其他方法可以编译它吗？

import numba as nb
import numpy as np

# This function calculates the min and the max of his parameters.
@nb.njit(nb.types.UniTuple(nb.uint64, 2)(nb.uint64, nb.uint64),fastmath=True,inline='always')
def m(a: np.uint64, b: np.uint64) -> (np.uint64, np.uint64):
    return min(a, b), max(a, b)

@nb.njit(nb.uint64[:](nb.uint64[:]),fastmath=True)
def sort_small_array_1(a: 'np.ndarray[np.uint64]') -> 'np.ndarray[np.uint64]':
    return a

print('Defining function 2')
@nb.njit(nb.uint64[:](nb.uint64[:]),fastmath=True) …