解决tensorflow问题:Your CPU supports instructions that this TensorFlow binary was not compiled to use:

我不知道大家是不是和我一样是用pip install tensorflow安装的tensorflow库,但是使用的时候,却会显示:
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
虽然运行起来没什么问题,但是看着总是不舒服。网上查阅了其他大神的博客之后,终于知道怎么处理了。
首先,卸载原有的Tensorflow 包:

pip unistall tensorflow

然后输入:

pip list

查看有没删除干净,最好把tensorflow其他相关的包都删除了,比如tensorborad之类的,没删除就继续使用pip unistall (库名删除。
删除完后,点击这里下载whl文件,我的版本是python3.6的,选择了trensorflow1.9.0版本,如下:
tensorflow-windows-wheel/1.9.0/py36/CPU/avx2/
下载好后,通过命令行进入该文件的位置:

cd (文件路径)

然后:

pip install tensorflow-1.9.0-cp36-cp36m-win_amd64.whl
1
搞定~

原文地址:https://www.cnblogs.com/enumx/p/12340827.html

时间: 2024-11-08 22:34:24

解决tensorflow问题:Your CPU supports instructions that this TensorFlow binary was not compiled to use:的相关文章

报错解决——Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2

在导入tensorflow后,进行运算时,出现了报错Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2 解决方法:在最顶行写入以下代码即可 import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 参考资料:Advanced Vector Extensions import os os.environ["TF_CPP_M

Tensorflow 运行警告提示 Your CPU supports instructions that this TensorFlow binary was not compiled to use

由于现在神经网络这个东西比较火,准确的说是深度学习这个东西比较火,我们实验室准备靠这个东西发几个CCF A类的文章,虽然我不太懂这东西,兴趣也一般都是毕竟要跟随主流的,于是今天安装起了 Tensorflow 这个深度学习的框架. 安装好以后运行一个Demo ,如下: import tensorflow as tf a=tf.constant(2) b=tf.constant(20) with tf.Session() as sess: print(sess.run(a*b)) 运行结果如下: 2

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA

使用tensorflow时,提示 Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA 去掉这个提示信息方法为修改~/.bashrc文件,最后加上一句 export TF_CPP_MIN_LOG_LEVEL=2 执行 source ~/.bashrc 即可 原文地址:https://www.cnblogs.com/liqinggui/p/9533170.html

安装tensorflow遇到:Your CPU supports instructions that this TensorFlow binary was not compiled to use

为了提升CPU计算速度的.若你有支持cuda的GPU,则可以忽略这个问题,因为安装SSE4.1, SSE4.2, AVX, AVX2, FMA, 仅仅提升CPU的运算速度(大概有3倍). 解决方法: 忽视警告,并屏蔽警告 开头输入如下: import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 2.进 tensorflow 官网,从源码安装. 原文地址:https://www.cnblogs.com/theWinter/p/8244685.html

TensorFlow指定GPU/CPU进行训练和输出devices信息

TensorFlow指定GPU/CPU进行训练和输出devices信息 1.在tensorflow代码中指定GPU/CPU进行训练 with tf.device('/gpu:0'): .... with tf.device('/gpu:1'): ... with tf.device('/cpu:0'): ... 2.输出devices的信息 在指定devices的时候往往不知道具体的设备信息,这时可用下面的代码查看对应的信息 进入Python环境 from tensorflow.python.c

解决挖矿病毒占用cpu以及误删 ld-linux-x86-64.so.2 文件的问题

上次已经被抓去挖矿了当了一次旷工了,本以为解决了,没想到竟然死灰复燃. 这次占用cpu的依然是一个ld-linux的进程,kill掉之后同样就查了关于test用户的进程,果然,test用户的进程有100+个,比不上上次,还是用上次的脚本,将test的进程也kill掉.为防止恶意添加用户,将/etc/passwd 文件里的test用户删除后,给该文件添加了隐藏权限 i ,具体功能不知道的可以查下,此处不多介绍.再把主进程ld-linux干掉之后cpu直接降下来. 这已经是第二次了,为了防止还有第三

已经安装cuda但是tensorflow仍然使用cpu加速的问题

安装了keras.theano之后,一直以为自己用的GPU,今天找到一个小程序测试一下,竟然一直在用CPU(黑人问号) from theano import function, config, shared, sandbox import theano.tensor as T import numpy import time vlen = 10 * 30 * 768 # 10 x #cores x # threads per core iters = 1000 rng = numpy.rando

限制TensorFlow只在CPU上运行的方法

我们知道安装tensorflow可以安装两个版本的,有cpu和gpu的,如果同时安装的时候会默认进行用gpu进行,那如歌更改为使用cpu呢 在import tensorflow/keras 之前,加入如下代码 import os os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" os.environ["CUDA_VISIBLE_DEVICES"] = "-1" 原文地址:https:

解决一阻塞语句CPU直降15%

原本只是部署作业获取数据库中阻塞语句,中午测试汇集阻塞数据,发现某一服务器写入386行,而其他服务器只写入几行.登录对应服务器查看详细信息,发现有四个时间点分别写入100来行记录对于第一行:会话183被会话221阻塞,阻塞时长1887ms,会话221持有18:1:4311755上的U锁,会话183等待18:1:4311755上的U锁.查看BlockedBatch/BlockingBatch列,此处的阻塞与被阻塞对应的存储过程是相同的,只是传递的参数不同.存储过程定义如下 CREATE PROCE