1. 全栈程序员必看首页

完美解决Tensorflow不支持AVX2指令集问题|指令集加速

全栈程序员-站长 • • 未分类 • 阅读 90

完美解决Tensorflow不支持AVX2指令集问题|指令集加速在pycharm中安装tensorflow后运行如下测试代码：importtensorflowastfx=tf.Variable(3,name=”x”)y=tf.Variable(4,name=”y”)f=x*x*y+y+2print(f)发现会报一行错误YourCPUsupportsinstructionsthatthisTensorFlowbinarywasnotcompiledtouse:AVX2大概意思是安装的tensorf

大家好，又见面了，我是你们的朋友全栈君。

在pycharm中安装tensorflow后
在这里插入图片描述
运行如下测试代码：

import tensorflow as tf
x = tf.Variable(3, name="x")
y = tf.Variable(4, name="y")
f = x*x*y + y + 2
print(f)

发现会报一行错误在这里插入图片描述
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2大概意思是安装的tensorflow版本不支持cpu的AVX2编译
可能是因为安装时使用的pip install tensorflow ，这样默认会下载X86_64的SIMD版本。
查找解决办法后，有以下两种办法：

1.忽略屏蔽这个警告

在代码最前面添加如下两行代码

import os
os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只显示 warning 和 Error

2.彻底解决，换成支持cpu用AVX2编译的TensorFlow版本。

首先卸载原来安装的tensorflow版本
pip uninstall tensorflow
在这里下载对应版本的tensorflow：https://github.com/fo40225/tensorflow-windows-wheel，比如我需要的是CPU+AVX2+Python3.6，那么我就在下面的列表中选择这个：
在这里插入图片描述

Path Compiler CUDA/cuDNN SIMD Notes
2.2.0\py37\CPU+GPU\cuda102cudnn76sse2 VS2019 16.5 10.2.89_441.22/7.6.5.32 x86_64 Python 3.7/Compute 3.0
2.2.0\py37\CPU+GPU\cuda102cudnn76avx2 VS2019 16.5 10.2.89_441.22/7.6.5.32 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
2.1.0\py37\CPU+GPU\cuda102cudnn76sse2 VS2019 16.4 10.2.89_441.22/7.6.5.32 x86_64 Python 3.7/Compute 3.0
2.1.0\py37\CPU+GPU\cuda102cudnn76avx2 VS2019 16.4 10.2.89_441.22/7.6.5.32 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
2.0.0\py37\CPU\sse2 VS2019 16.3 No x86_64 Python 3.7
2.0.0\py37\CPU\avx2 VS2019 16.3 No AVX2 Python 3.7
2.0.0\py37\GPU\cuda101cudnn76sse2 VS2019 16.3 10.1.243_426.00/7.6.4.38 x86_64 Python 3.7/Compute 3.0
2.0.0\py37\GPU\cuda101cudnn76avx2 VS2019 16.3 10.1.243_426.00/7.6.4.38 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.15.0\py37\CPU+GPU\cuda101cudnn76sse2 VS2019 16.3 10.1.243_426.00/7.6.4.38 x86_64 Python 3.7/Compute 3.0
1.15.0\py37\CPU+GPU\cuda101cudnn76avx2 VS2019 16.3 10.1.243_426.00/7.6.4.38 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.14.0\py37\CPU\sse2 VS2019 16.1 No x86_64 Python 3.7
1.14.0\py37\CPU\avx2 VS2019 16.1 No AVX2 Python 3.7
1.14.0\py37\GPU\cuda101cudnn76sse2 VS2019 16.1 10.1.168_425.25/7.6.0.64 x86_64 Python 3.7/Compute 3.0
1.14.0\py37\GPU\cuda101cudnn76avx2 VS2019 16.1 10.1.168_425.25/7.6.0.64 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.13.1\py37\CPU\sse2 VS2017 15.9 No x86_64 Python 3.7
1.13.1\py37\CPU\avx2 VS2017 15.9 No AVX2 Python 3.7
1.13.1\py37\GPU\cuda101cudnn75sse2 VS2017 15.9 10.1.105_418.96/7.5.0.56 x86_64 Python 3.7/Compute 3.0
1.13.1\py37\GPU\cuda101cudnn75avx2 VS2017 15.9 10.1.105_418.96/7.5.0.56 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.12.0\py36\CPU\sse2 VS2017 15.8 No x86_64 Python 3.6
1.12.0\py36\CPU\avx2 VS2017 15.8 No AVX2 Python 3.6
1.12.0\py36\GPU\cuda100cudnn73sse2 VS2017 15.8 10.0.130_411.31/7.3.1.20 x86_64 Python 3.6/Compute 3.0
1.12.0\py36\GPU\cuda100cudnn73avx2 VS2017 15.8 10.0.130_411.31/7.3.1.20 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.12.0\py37\CPU\sse2 VS2017 15.8 No x86_64 Python 3.7
1.12.0\py37\CPU\avx2 VS2017 15.8 No AVX2 Python 3.7
1.12.0\py37\GPU\cuda100cudnn73sse2 VS2017 15.8 10.0.130_411.31/7.3.1.20 x86_64 Python 3.7/Compute 3.0
1.12.0\py37\GPU\cuda100cudnn73avx2 VS2017 15.8 10.0.130_411.31/7.3.1.20 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.11.0\py36\CPU\sse2 VS2017 15.8 No x86_64 Python 3.6
1.11.0\py36\CPU\avx2 VS2017 15.8 No AVX2 Python 3.6
1.11.0\py36\GPU\cuda100cudnn73sse2 VS2017 15.8 10.0.130_411.31/7.3.0.29 x86_64 Python 3.6/Compute 3.0
1.11.0\py36\GPU\cuda100cudnn73avx2 VS2017 15.8 10.0.130_411.31/7.3.0.29 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.11.0\py37\CPU\sse2 VS2017 15.8 No x86_64 Python 3.7
1.11.0\py37\CPU\avx2 VS2017 15.8 No AVX2 Python 3.7
1.11.0\py37\GPU\cuda100cudnn73sse2 VS2017 15.8 10.0.130_411.31/7.3.0.29 x86_64 Python 3.7/Compute 3.0
1.11.0\py37\GPU\cuda100cudnn73avx2 VS2017 15.8 10.0.130_411.31/7.3.0.29 AVX2 Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5
1.10.0\py36\CPU\sse2 VS2017 15.8 No x86_64 Python 3.6
1.10.0\py36\CPU\avx2 VS2017 15.8 No AVX2 Python 3.6
1.10.0\py36\GPU\cuda92cudnn72sse2 VS2017 15.8 9.2.148.1/7.2.1.38 x86_64 Python 3.6/Compute 3.0
1.10.0\py36\GPU\cuda92cudnn72avx2 VS2017 15.8 9.2.148.1/7.2.1.38 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.10.0\py27\CPU\sse2 VS2017 15.8 No x86_64 Python 2.7
1.10.0\py27\CPU\avx2 VS2017 15.8 No AVX2 Python 2.7
1.10.0\py27\GPU\cuda92cudnn72sse2 VS2017 15.8 9.2.148.1/7.2.1.38 x86_64 Python 2.7/Compute 3.0
1.10.0\py27\GPU\cuda92cudnn72avx2 VS2017 15.8 9.2.148.1/7.2.1.38 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.9.0\py36\CPU\sse2 VS2017 15.7 No x86_64 Python 3.6
1.9.0\py36\CPU\avx2 VS2017 15.7 No AVX2 Python 3.6
1.9.0\py36\GPU\cuda92cudnn71sse2 VS2017 15.7 9.2.148/7.1.4 x86_64 Python 3.6/Compute 3.0
1.9.0\py36\GPU\cuda92cudnn71avx2 VS2017 15.7 9.2.148/7.1.4 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.9.0\py27\CPU\sse2 VS2017 15.7 No x86_64 Python 2.7
1.9.0\py27\CPU\avx2 VS2017 15.7 No AVX2 Python 2.7
1.9.0\py27\GPU\cuda92cudnn71sse2 VS2017 15.7 9.2.148/7.1.4 x86_64 Python 2.7/Compute 3.0
1.9.0\py27\GPU\cuda92cudnn71avx2 VS2017 15.7 9.2.148/7.1.4 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.8.0\py36\CPU\sse2 VS2017 15.4 No x86_64 Python 3.6
1.8.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.8.0\py36\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.3 x86_64 Python 3.6/Compute 3.0
1.8.0\py36\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.3 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.8.0\py27\CPU\sse2 VS2017 15.4 No x86_64 Python 2.7
1.8.0\py27\CPU\avx2 VS2017 15.4 No AVX2 Python 2.7
1.8.0\py27\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.3 x86_64 Python 2.7/Compute 3.0
1.8.0\py27\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.3 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.7.0\py36\CPU\sse2 VS2017 15.4 No x86_64 Python 3.6
1.7.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.7.0\py36\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.2 x86_64 Python 3.6/Compute 3.0
1.7.0\py36\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.2 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.7.0\py27\CPU\sse2 VS2017 15.4 No x86_64 Python 2.7
1.7.0\py27\CPU\avx2 VS2017 15.4 No AVX2 Python 2.7
1.7.0\py27\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.2 x86_64 Python 2.7/Compute 3.0
1.7.0\py27\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.2 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.6.0\py36\CPU\sse2 VS2017 15.4 No x86_64 Python 3.6
1.6.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.6.0\py36\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.3/7.1.1 x86_64 Python 3.6/Compute 3.0
1.6.0\py36\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.3/7.1.1 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.6.0\py27\CPU\sse2 VS2017 15.4 No x86_64 Python 2.7
1.6.0\py27\CPU\avx2 VS2017 15.4 No AVX2 Python 2.7
1.6.0\py27\GPU\cuda91cudnn71sse2 VS2017 15.4 9.1.85.2/7.1.1 x86_64 Python 2.7/Compute 3.0
1.6.0\py27\GPU\cuda91cudnn71avx2 VS2017 15.4 9.1.85.2/7.1.1 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.5.0\py36\CPU\avx VS2017 15.4 No AVX Python 3.6
1.5.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.5.0\py36\GPU\cuda91cudnn7avx2 VS2017 15.4 9.1.85/7.0.5 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.5.0\py27\CPU\sse2 VS2017 15.4 No x86_64 Python 2.7
1.5.0\py27\CPU\avx VS2017 15.4 No AVX Python 2.7
1.5.0\py27\CPU\avx2 VS2017 15.4 No AVX2 Python 2.7
1.5.0\py27\GPU\cuda91cudnn7sse2 VS2017 15.4 9.1.85/7.0.5 x86_64 Python 2.7/Compute 3.0
1.5.0\py27\GPU\cuda91cudnn7avx2 VS2017 15.4 9.1.85/7.0.5 AVX2 Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.4.0\py36\CPU\avx VS2017 15.4 No AVX Python 3.6
1.4.0\py36\CPU\avx2 VS2017 15.4 No AVX2 Python 3.6
1.4.0\py36\GPU\cuda91cudnn7avx2 VS2017 15.4 9.1.85/7.0.5 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0
1.3.0\py36\CPU\avx VS2015 Update 3 No AVX Python 3.6
1.3.0\py36\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.6
1.3.0\py36\GPU\cuda8cudnn6avx2 VS2015 Update 3 8.0.61.2/6.0.21 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.2.1\py36\CPU\avx VS2015 Update 3 No AVX Python 3.6
1.2.1\py36\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.6
1.2.1\py36\GPU\cuda8cudnn6avx2 VS2015 Update 3 8.0.61.2/6.0.21 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.1.0\py36\CPU\avx VS2015 Update 3 No AVX Python 3.6
1.1.0\py36\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.6
1.1.0\py36\GPU\cuda8cudnn6avx2 VS2015 Update 3 8.0.61.2/6.0.21 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
1.0.0\py36\CPU\sse2 VS2015 Update 3 No x86_64 Python 3.6
1.0.0\py36\CPU\avx VS2015 Update 3 No AVX Python 3.6
1.0.0\py36\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.6
1.0.0\py36\GPU\cuda8cudnn51sse2 VS2015 Update 3 8.0.61.2/5.1.10 x86_64 Python 3.6/Compute 3.0
1.0.0\py36\GPU\cuda8cudnn51avx2 VS2015 Update 3 8.0.61.2/5.1.10 AVX2 Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1
0.12.0\py35\CPU\avx VS2015 Update 3 No AVX Python 3.5
0.12.0\py35\CPU\avx2 VS2015 Update 3 No AVX2 Python 3.5
0.12.0\py35\GPU\cuda8cudnn51avx2 VS2015 Update 3 8.0.61.2/5.1.10 AVX2 Python 3.5/Compute 3.0,3.5,5.0,5.2,6.1

找到对应的.whl文件
在这里插入图片描述
下载该文件，我用google浏览器下载一直显示无法访问
在这里插入图片描述
后来选用Edge浏览器打开就好啦，直接就下载成功了。
此处放上tensorflow-1.12.0-cp36-cp36m-win_amd64.whl的下载链接：
链接：https://pan.baidu.com/s/1CvKUtmM1zHyJyJk87eFEUA
提取码：o85f
然后用activate 进入自己创建的虚拟环境
在这里插入图片描述
运行pip install tensorflow-1.12.0-cp36-cp36m-win_amd64.whl命令安装
在这里插入图片描述
最后用conda list命令看安装了那些包
在这里插入图片描述
然后再次运行代码，就不会报AVX2的错误啦
在这里插入图片描述

  • 参考链接：https://blog.csdn.net/beyond9305/article/details/95896135
  • https://www.jb51.net/article/179405.htm
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。

发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/139439.html原文链接：https://javaforall.net

赞 (0)
0 0

关于作者

全栈程序员-站长的头像

全栈程序员-站长

133.5K 文章
3 粉丝
本网站汇聚当前互联网主流语音，持续更新，欢迎关注公众号“全栈程序员社区”
上一篇 2022年5月29日 下午8:16
下一篇 2022年5月29日 下午8:16


相关推荐

  • Ubuntu20.04安装JDK「建议收藏」

    Ubuntu20.04安装JDK「建议收藏」

    Ubuntu20.04安装JDK「建议收藏」JavaJDK在linux系统有两个版本，一个开源版本Openjdk，还有一个oracle官方版本jdk，oracleJDK既可以通过添加ppa源命令行安装，也可以去官网下载jdk压缩包安装。下面分别记录一下这三种安装方式的步骤。版本：方法一：安装openjdk1、更新软件包列表：sudoapt-getupdate2、安装openjdk-14-jdk：sudoapt-getinstallopenjdk-14-jdk3、查看java版本，看看是否安装成功：java-ve

    全栈程序员-站长的头像 全栈程序员-站长
    2022年7月12日
    14
  • DO-218AB封装，SM8T系列，SM8S系列加强版，汽车级TVS二极管

    DO-218AB封装，SM8T系列，SM8S系列加强版，汽车级TVS二极管

    DO-218AB封装，SM8T系列，SM8S系列加强版，汽车级TVS二极管TVS二极管SM8S系列的升级版SM8T系列上市了。关于SM8T系列单向TVS二极管，您知道多少呢？SM8T系列TVS二极管，相对于SM8S系列而言，可靠性更高、稳定性更强、低漏电流、更出色的钳位能力、低正向压降，符合AEC-Q101认证标准，并可通过ISO7637-25a/5b和ISO16750-25a/5b抛负载测。SM8T系列TVS二极管上市以来，深受广大新老客户的青睐和支持。SM8T系列TVS二极管主要用于敏感电子设备、感应负载开关和照明引起的瞬态电压保护，特别适用于汽车抛负载保护应用。

    全栈程序员-站长的头像 全栈程序员-站长
    2026年2月23日
    3
  • ANTLR4 PL／SQL 解析器在 Python 中的谓词语法适配指南 n8n

    ANTLR4 PL／SQL 解析器在 Python 中的谓词语法适配指南

    ANTLR4 PL／SQL 解析器在 Python 中的谓词语法适配指南

    Ai探索者的头像 Ai探索者
    2026年3月13日
    1
  • lucene分词器中的Analyzer,TokenStream, Tokenizer, TokenFilter

    lucene分词器中的Analyzer,TokenStream, Tokenizer, TokenFilter

    lucene分词器中的Analyzer,TokenStream, Tokenizer, TokenFilterTokenStream:分词器做好处理之后得到的一个流。这个流中存储了分词的各种信息，可以通过TokenStream有效的获取到分词单元。以下是把文件流转换成分词流（TokenStream）的过程首先，通过Tokenizer来进行分词，不同分词器有着不同的Tokenzier，Tokenzier分完词后，通过TokenFilter对已经分好词的数据进行过滤，比如停止词。过滤完之后，把所有的数据组合成一个TokenStream；

    全栈程序员-站长的头像 全栈程序员-站长
    2022年7月22日
    15
  • ubuntu经常使用的命令摘要

    ubuntu经常使用的命令摘要

    ubuntu经常使用的命令摘要

    全栈程序员-站长的头像 全栈程序员-站长
    2022年1月8日
    48
  • GB28181国标协议

    GB28181国标协议

    GB28181国标协议GB28181

    全栈程序员-站长的头像 全栈程序员-站长
    2025年12月9日
    4

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号