我有一个TensorFlow模型来测试一个宽n深度的神经网络,但由于TensorFlow库中的一个错误,我无法让它在我的Windows机器上运行.现在我不得不诉诸谷歌云平台.我在python文件处理输入的地方设置了所有内容,但是当我通过控制台运行代码时,我收到以下消息：
$python -m widendeep.py -h
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE3 instructions, but these are available on your machine and Could speed up cpu computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and Could speed up cpu computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] 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:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and Could speed up cpu computations.
在Windows上运行时,这些消息不会显示.这是因为我无法通过这种方式通过云运行吗？我是否必须使用gcloud ml-engine本地火车或gcloud ml-engine工作提交培训my_job？任何关于正确方法的指导都会很棒.
解决方法:
These messages don’t show when run on Windows. Is this because I can’t
run this through the cloud this way?
您可以按原样运行代码,或者至少如果不能与您列出的警告无关.
这些警告表示TensorFlow可能会通过运行它的机器体系结构获得更好的性能,因为它支持比编译时更高级的指令集.
Do I have to use gcloud ml-engine local train or gcloud ml-engine jobs
submit training my_job?
我对谷歌云不太熟悉(目前我自己使用亚马逊),但我可以说,如果你确实需要使用上述命令,它与你上面列出的警告无关.
这些警告适用于cpu指令集及其与GPU交互的方式,因此性能改进可能会有所改变,也可能不会显着(或根本不存在),具体取决于您的具体应用.
如果您想确保使用正在运行程序的硬件的全部潜力,则需要在运行的平台上编译TensorFlow(检查How to compile Tensorflow with SSE4.2 and AVX instructions?).
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。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， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
