TensorFlowは初めてです。最近インストールしました（Windows CPUバージョン）と次のメッセージが表示されました：

tensorflow-1.4.0 tensorflow-tensorboard-0.4.0rc2が正常にインストールされました

それから私が走ろうとしたとき

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)
'Hello, TensorFlow!'
a = tf.constant(10)
b = tf.constant(32)
sess.run(a + b)
42
sess.close()

（私はhttps://github.com/tensorflow/tensorflowで見つけました）

次のメッセージを受け取りました。

2017-11-02 01：56：21.698935：IC：\ tf_jenkins \ home \ workspace \ rel-win \ M \ windows \ PY \ 36 \ tensorflow \ core \ platform \ cpu_feature_guard.cc：137] CPUはこれをサポートする命令をサポートしていますTensorFlowバイナリが使用するようにコンパイルされていません：AVX AVX2

しかし、私が走ったとき

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

Hello, TensorFlow!正常に実行され、出力されました。これは、インストールが実際に成功したことを示していますが、他に何か問題があります。

あなたは問題が何であり、それを修正する方法を知っていますか？

この警告は何ですか？

最近のCPUは、通常の算術演算とロジックの他に、拡張として知られている多くの低レベルの命令を提供します。たとえば、SSE2、SSE4、AVXなど。Wikipediaから：

Advanced Vector Extensions（AVX）は、2008年3月にIntelによって提案されたIntelおよびAMDのマイクロプロセッサ用のx86命令セットアーキテクチャに対する拡張機能であり、2011年第1四半期にSandy Bridgeプロセッサを搭載したIntelによって最初にサポートされ、その後、ブルドーザープロセッサを搭載したAMDによってサポートされます。 AVXは2011年第3四半期に発表されました。AVXは、新しい機能、新しい命令、新しいコーディングスキームを提供します。

特に、AVXでは融合積和（FMA）演算が導入されており、線形代数計算、つまりドット積、行列乗算、畳み込みなどが高速化されています。ほとんどすべての機械学習トレーニングには、これらの演算が大量に含まれているため、 AVXおよびFMAをサポートするCPUでより高速（最大300％）。警告は、CPUがAVX（フレイ！）をサポートしていることを示しています。

ここで強調したいのは、それはすべてCPUのみに関することです。

なぜそれが使われないのですか？

tensorflowのデフォルトのディストリビューションは、SSE4.1、SSE4.2、AVX、AVX2、FMAなどのCPU拡張機能なしでビルドされるため。デフォルトのビルド（からのビルドpip install tensorflow）は、できるだけ多くのCPUと互換性があるように設計されています。別の議論は、これらの拡張機能を使用した場合でも、CPUはGPUよりもはるかに低速であり、中規模および大規模の機械学習トレーニングがGPUで実行されることが期待されているということです。

あなたは何をするべきか？

GPUを使用している場合は、 AVXサポートについて気にする必要はありません。最も明示的に設定されている場合を除き、最も高価な演算はGPUデバイスでディスパッチされるためです。この場合、この警告を単に無視することができます

# Just disables the warning, doesn't enable AVX/FMA
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

...または、export TF_CPP_MIN_LOG_LEVEL=2Unixを使用している場合は設定します。とにかくTensorflowは問題なく機能していますが、これらの迷惑な警告は表示されません。

あなたはGPUを持っていない場合は、可能な限りCPUを利用したい、あなたは用に最適化されたソースからtensorflowを構築する必要がありますあなたの CPU AVX、AVX2で、そしてFMAは、あなたのCPUのサポートしている場合は、それらを有効に。これはこの質問とGitHubの問題でも説明されています。Tensorflowはbazelと呼ばれるアドホックビルドシステムを使用しており、ビルドはそれほど簡単ではありませんが、実行可能です。この後、警告が消えるだけでなく、テンソルフローのパフォーマンスも向上するはずです。

このコマンドを使用して、CPUとOSのtensorflowバイナリを更新します

pip install --ignore-installed --upgrade "Download URL"

whlファイルのダウンロードURLはここにあります

https://github.com/lakshayg/tensorflow-build

GPUによるCPU最適化

GPUがあり、トレーニングや推論に使用している場合でも、ソースからTensorFlowをインストールすると、パフォーマンスが向上します。その理由は、一部のTF操作にはCPU実装のみがあり、GPUで実行できないためです。

また、CPUを有効に活用するためのパフォーマンス強化のヒントがいくつかあります。 TensorFlowのパフォーマンスガイドでは、次のことを推奨しています。

入力パイプライン操作をCPUに配置すると、パフォーマンスが大幅に向上します。入力パイプラインにCPUを使用すると、GPUが解放され、トレーニングに集中できます。

最高のパフォーマンスを得るには、CPUとGPUを併用して連携して動作するようにコードを記述し、GPUがある場合はそれらをすべてGPUにダンプしないでください。TensorFlowバイナリをCPU向けに最適化すると、実行時間を節約でき、一度実行するだけで済みます。

Windowsの場合、AVX2でコンパイルされたTensorFlowホイールの公式インテルMKL最適化を確認できます。このソリューションは、推論を高速化します〜x3。

conda install tensorflow-mkl

Windowsの場合（所有者f040225に感謝）、https：//github.com/fo40225/tensorflow-windows-wheelにアクセスして、「tf + python + cpu_instruction_extension」の組み合わせに基づいて環境のURLを取得します。次に、このcmdを使用してインストールします。

pip install --ignore-installed --upgrade "URL"

「ファイルはzipファイルではありません」というエラーが発生した場合は、.whlをローカルコンピューターにダウンロードし、次のコマンドを使用してインストールします。

pip install --ignore-installed --upgrade /path/target.whl

tensorflowのpipバージョンを使用する場合、それはすでにコンパイルされており、インストールしているだけであることを意味します。基本的にはtensorflow-gpuをインストールしますが、リポジトリからダウンロードしてビルドする場合は、CPU AVXサポートを使用してビルドする必要があります。これを無視すると、cpuで実行するたびに警告が表示されます。

これを修正するために見つけた最も簡単な方法は、すべてをアンインストールしてから、特定のバージョンのtensorflow-gpuをインストールすることです。

1. tensorflowをアンインストールします。

    pip uninstall tensorflow

2. tensorflow-gpuをアンインストールします：（インストールしているかどうかわからない場合でも、必ず実行してください）

    pip uninstall tensorflow-gpu

3. 特定のtensorflow-gpuバージョンをインストールします。

    pip install tensorflow-gpu==2.0.0
    pip install tensorflow_hub
    pip install tensorflow_datasets

これが機能したかどうかを確認するには、次のコードをpythonファイルに追加します。

from __future__ import absolute_import, division, print_function, unicode_literals

import numpy as np

import tensorflow as tf
import tensorflow_hub as hub
import tensorflow_datasets as tfds

print("Version: ", tf.__version__)
print("Eager mode: ", tf.executing_eagerly())
print("Hub Version: ", hub.__version__)
print("GPU is", "available" if tf.config.experimental.list_physical_devices("GPU") else "NOT AVAILABLE")

ファイルを実行すると、出力は次のようになります。

Version:  2.0.0
Eager mode:  True
Hub Version:  0.7.0
GPU is available

お役に立てれば

私のために働いたのはこのライブラリです https://pypi.org/project/silence-tensorflow/

このライブラリをインストールして、ページの指示どおりに実行してください。これは魅力のように機能します。