यह कोई त्रुटि नहीं है, केवल यह कहते हुए चेतावनियाँ हैं कि यदि आप स्रोत से TensorFlow का निर्माण करते हैं तो यह आपकी मशीन पर तेज़ हो सकता है।

तो इस बारे में सवाल: http://stackoverflow.com/questions/41293077/how-to-compile-tensorflow-with-sse4-2-and-avx-instructions
स्रोत से निर्माण के लिए TensorFlow गाइड: https://www.tensorflow.org/install/install_sources

जैसा कि @Carmezim ने कहा है कि ये केवल चेतावनी संदेश हैं।
आपके प्रत्येक प्रोग्राम के लिए, आप उन्हें केवल एक बार देखेंगे।
और जैसे चेतावनियां कहती हैं, आपको केवल टीएफ को इन झंडों के साथ संकलित करना चाहिए यदि आपको टीएफ को तेज बनाने की आवश्यकता है।

आप SIMD निर्देश सेट के समर्थन के साथ TF को संकलित करने के लिए स्रोतों से TensorFlow स्थापित करने के लिए हमारे गाइड का अनुसरण कर सकते हैं।

ठीक है धन्यवाद। मैं समझ गया।

क्या कोई तरीका है जिससे हम इसे चुप करा सकते हैं?

इन चेतावनी संदेशों को मौन करने का एकमात्र तरीका --config opt विकल्प का उपयोग करके स्रोतों से निर्माण करना है।

एक प्रकार का "वर्कअराउंड" (यद्यपि अपूर्ण) जो यूनिक्स/लिनक्स/ओएसएक्स पर संदेशों को पुनर्निर्देशित करता है:
अजगर myscript.py 2>/dev/null

@CGTheLegend @ocampesato आप TF पर्यावरण चर TF_CPP_MIN_LOG_LEVEL उपयोग कर सकते हैं और यह निम्नानुसार काम करता है:

• यह डिफ़ॉल्ट रूप से 0 पर है , सभी लॉग प्रदर्शित करता है
• INFO लॉग को फ़िल्टर करने के लिए इसे 1 . पर सेट करें
• WARNINGS अतिरिक्त रूप से, 2
• और अतिरिक्त रूप से ERROR लॉग को फ़िल्टर करने के लिए इसे 3 . पर सेट करें

तो आप चेतावनियों को शांत करने के लिए निम्न कार्य कर सकते हैं:

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

@gunan @mrry मैंने चेतावनियों को शांत करने में रुचि रखने वाले कई लोगों को देखा है, क्या इस तरह की जानकारी को दस्तावेज़ों में जोड़ने में रुचि होगी?

मैं tensorflow इंस्टॉल गाइड से इंस्टॉल करता हूं, यह चेतावनी भी मिली है।

pip3 install --upgrade tensorflow

@jadeydi स्रोत से संकलन करने के बजाय, "पाइप" बस बाइनरी भी स्थापित करें, ताकि आपको अभी भी ये चेतावनियां मिलें।

मैंने अभी SSE4.1 SSE4.2 AVX AVX2 और FMA के समर्थन के साथ टेंसरफ़्लो संकलित किया है। बिल्ड यहां उपलब्ध है: https://github.com/lakshayg/tensorflow-build । मैं उम्मीद करता हूँ यह उपयोगी है।

हाय @lakshayg , साझा करने के लिए धन्यवाद। आप https://github.com/yaroslavvb/tensorflow-community-wheels . की जाँच करना चाह सकते हैं

उबंटू पर मानक pip install tensorflow-gpu की तुलना में बिल्ड लगभग बहुत तेज है? क्या यह केवल CPU संगणनाओं के लिए तेज़ है, या GPU संगणनाओं के लिए कोई लाभ है?

http://www.anandtech.com/show/2362/5

यह Google पर आया और इसमें कुछ अच्छे तकनीकी विवरण हैं।

परीक्षण VirtualDub 1.7.6 और DivX 6.7 का उपयोग करके एक DivX एनकोड है। SSE4 तब आता है जब आप गति अनुमान के लिए एक नया पूर्ण खोज एल्गोरिदम सक्षम करना चुनते हैं, जिसे दो SSE4 निर्देशों द्वारा त्वरित किया जाता है: MPSADBW और PHMINPOSUW । विचार यह है कि गति अनुमान (यह पता लगाना कि वीडियो के बाद के फ़्रेमों में क्या होगा) के लिए निरपेक्ष अंतरों के योग की बहुत अधिक गणना की आवश्यकता होती है, साथ ही उन संगणनाओं के परिणामों के न्यूनतम मूल्यों को खोजने की भी आवश्यकता होती है। SSE2 निर्देश PSADBW 16B अहस्ताक्षरित पूर्णांकों की एक जोड़ी से दो अंतरों की गणना कर सकता है; SSE4 निर्देश MPSADBW आठ कर सकता है।

...

हमारे QX9650 पर, SSE4 सक्षम के साथ पूर्ण खोज केवल SSE2 की तुलना में लगभग 45% तेज चलती है

अब सुनिश्चित करें कि टेंसरफ़्लो किन कार्यों का उपयोग कर रहा है, लेकिन यह प्रयास के लायक हो सकता है।

क्षमा करें, लेकिन डिफ़ॉल्ट रूप से सभी TF स्क्रिप्ट में आउटपुट होना एक हास्यास्पद बात है। ज्यादातर लोग शायद स्रोत से टीएफ संकलित नहीं कर रहे हैं और न ही चाहते हैं।

@ TomAshley303 , यह प्राप्त करने के लिए एक बहुत बढ़िया जानकारी है! मैं स्रोत से पुन: संकलित करने की योजना नहीं बना रहा हूं। मैं नहीं चाहता। लेकिन जानकारी मुझे बताती है कि अगर मेरा मॉडल बड़ा और धीमा हो जाता है और प्रदर्शन को बढ़ावा देने की आवश्यकता होगी तो मुझे क्या करना चाहिए। नए हार्डवेयर खरीदने की तुलना में एक्सटेंशन के साथ पुन: संकलित करना आमतौर पर सस्ता होता है, यह देखते हुए कि अच्छे वॉकथ्रू (जो हमारे पास हैं) होने से पुन: संकलन की श्रम लागत कम हो जाती है (सीपीयू समय कोई फर्क नहीं पड़ता, रात भर चल सकता है)।

मैं इस प्रक्रिया से गुजरा... सीधा-सादा था और बिल्कुल भी समय नहीं लेता था। आपका सामान्य सेमेक सी ++ थोड़े दुःस्वप्न नहीं।

मैकोज़/लिनक्स के तहत टीएफ संकलित करने के लिए मेरे पास एक छोटी बैश स्क्रिप्ट है। यह गतिशील रूप से सीपीयू सुविधाओं की गणना करता है और उन्हें बिल्ड पैरामीटर के रूप में रखता है। मैं एक पीआर बनाने के बारे में सोच रहा था, लेकिन स्थानीय बिल्ड के लिए स्क्रिप्ट (हेल्पर्स) के साथ एक फ़ोल्डर नहीं मिला, केवल ci_build। अगर यह समझ में आता है तो मैं करूँगा

सार
https://gist.github.com/venik/9ba962c8b301b0e21f99884cbd35082f

@gunan . के लिए एक नोट

जब मैं पहली बार TensorFlow स्थापित कर रहा था तो मुझे इस समस्या का सामना करना पड़ा। अब मुझे यह पता लगाना है कि इसे फिर से कैसे हल किया जाए क्योंकि मैं एक नई मशीन पर TensorFlow स्थापित कर रहा हूं। यह गर्दन में दर्द है, और आपके द्वारा प्रदान किया गया दस्तावेज बिल्कुल स्पष्ट नहीं है।

तथ्य यह है कि मुझे इसे अपने अंत में करना है हास्यास्पद और क्रुद्ध करने वाला है। pip/pip3 से कुछ उपलब्ध कराना कोई अच्छी बात नहीं है, यदि यह पूरे दिन केवल आप पर चेतावनियाँ फेंकता है।

कम से कम, आपको https://www.tensorflow.org/install/install_sources संपादित करना चाहिए और स्पष्ट रूप से समझाना चाहिए कि इसे SSE / AVX के साथ कैसे संकलित किया जाए

समाधान जो मेरे लिए काम करता है: इनपुट "-mavx -msse4.1 -msse4.2" जब कॉन्फ़िगरेशन प्रक्रिया के दौरान संकेत दिया जाता है (जब आप ./configure चलाते हैं)।

क्या इसे अपने इंस्टॉलेशन निर्देशों में जोड़ना इतना कठिन है?

धन्यवाद, @Carmezim उत्तर के अनुसार, मुझे avx और sse के आधार पर सीपीयू स्पीड अप संस्करण मिलता है। मैंने इंटेल पर तेज-आरसीएनएन (रेसनेट-101) का परीक्षण किया है। लागत समय लगभग 30% बढ़ जाता है, यह वास्तव में उपयोगी है।

आप चेतावनियों को चुप करा सकते हैं।
बस इन कोड को सबसे ऊपर जोड़ें।
आयात ओएस
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
tf . के रूप में टेंसरफ़्लो आयात करें
जैसा कि यहां बताया गया है: https://stackoverflow.com/a/44984610

आप सिस्टम पर्यावरण चर में आसानी से उपयोगकर्ता चर जोड़ सकते हैं:
TF_CPP_MIN_LOG_LEVEL, मान = 2. फिर अपना IDE पुनः प्रारंभ करें

GPU संगणना के लिए @mikayoung सुधार की उम्मीद नहीं की जा सकती, क्योंकि वे निर्देश सेट केवल CPU हैं, और वे वेक्टरकृत संचालन की अनुमति देते हैं।
इसलिए यदि आप GPU पर चल रहे दो कोड (आदर्श रूप से) 100% की तुलना करते हैं, एक SIMD समर्थन के साथ संकलित Tensorflow उदाहरण पर और एक बिना, आपको गति के संदर्भ में समान परिणाम प्राप्त करने चाहिए (और उम्मीद है कि संख्यात्मक रूप से भी)।

IC:\tf_jenkinshome\workspace\rel-win\M\windows\PY\36\tensorflow\core\platform\cpu_feature_guard.cc:137] आपका CPU निर्देशों का समर्थन करता है कि इस TensorFlow बाइनरी को उपयोग करने के लिए संकलित नहीं किया गया था: AVX AVX2

जैसा कि आप देख सकते हैं कि चेतावनी मेरे सिस्टम के साथ भी है लेकिन उसमें, मैं चेतावनी की शुरुआत में 'मैं' को समझने में सक्षम नहीं हूं, इसलिए उस मामले में कोई मेरी मदद कर सकता है

"I" बस "INFO" के लिए एक शॉर्टहैंड है। अन्य अक्षर आप देख सकते हैं कि त्रुटि के लिए E, या घातक के लिए F है।

इसलिए मैंने कोंडा का उपयोग करके स्थापित किया। अगर मैं अब किसी भी गति वृद्धि का लाभ उठाने के लिए स्रोत से संकलन करना चाहता हूं, तो क्या मुझे टेंसोफ़्लो के अपने कोंडा इंस्टाल को हटाने के लिए कुछ भी करने की ज़रूरत है? या यह अपने छोटे कंटेनर में है और मैं अलग से स्रोत से संकलित कर सकता हूं?

मैंने डीपस्पीच और डीपस्पीच सर्वर भी स्थापित किया था। सर्वर शुरू करने के लिए गया और एक त्रुटि संदेश मिला - "2018-01-17 08:21:49.120154: F tensorflow/core/platform/cpu_feature_guard.cc:35] TensorFlow लाइब्रेरी को AVX2 निर्देशों का उपयोग करने के लिए संकलित किया गया था, लेकिन ये हैं ' टी आपकी मशीन पर उपलब्ध है।
निरस्त (कोर डंप किया गया)"

जाहिरा तौर पर मुझे उसी कंप्यूटर पर TensorFlow को संकलित करने की आवश्यकता है। क्या कुबंटू 17.10.1 और एचपी प्रोबुक 4330एस से मेल खाने के लिए कहीं कोई सूची है?

कोई विंडोज़ संकलन क्यों नहीं हैं? मेरे पास एक ही समस्या है, लेकिन चेतावनियों को म्यूट करने के बजाय मैं अपने जीपीयू का उपयोग करना चाहता हूं, मेरे पास एक और ग्राफिक्स कार्ड भी है और एनवीडिया नहीं, मैं क्या करूँ?

*मेरे पास एनवीडिया ग्राफिक्स कार्ड नहीं है, मेरे पास एक है और मैं क्या करूं?

*एएमडी ग्राफिक्स कार्ड .. स्वत: सुधार

ये केवल चेतावनियां नहीं हैं क्योंकि यह मेरे परीक्षण बक्से पर प्रक्रिया को मार देती है। चूंकि मैं एएमडी जीपीयू का भी उपयोग करता हूं, इसलिए मैंने इसे देने के लिए एक डिजिटल ओशन टेंसरफ्लो बॉक्स बनाया, लेकिन ऐसा लगता है कि वहां कोई जीपीयू समर्थन नहीं है, और यह बुरी तरह विफल हो रहा है।

`# जॉब आईडी 0

hparams /home/science/tf-demo/models/nmt-chatbot/model/hparams से लोड हो रहा है

hparams को /home/science/tf-demo/models/nmt-chatbot/model/hparams में सेव करना
hparams को /home/science/tf-demo/models/nmt-chatbot/model/best_bleu/hparams में सेव करना
ध्यान=स्केल्ड_लुओंग
ध्यान_आर्किटेक्चर = मानक
बैच_साइज = 128
बीम_चौड़ाई = 10
best_bleu=0
best_bleu_dir=/home/science/tf-demo/models/nmt-chatbot/model/best_bleu
check_special_token=सत्य
colocate_gradients_with_ops=सच
क्षय_कारक = 1.0
क्षय_चरण=१००००
dev_prefix=/home/science/tf-demo/models/nmt-chatbot/data/tst2012
ड्रॉपआउट = 0.2
encoder_type=bi
ईओएस =
युग_चरण = 0
भूल जाओ = 1.0
infer_batch_size=32
init_op=वर्दी
init_weight=0.1
Learning_rate=0.001
Learning_rate_decay_scheme=
लम्बाई_पेनल्टी_वेट = 1.0
log_device_placement=गलत
max_gradient_norm=5.0
मैक्स_ट्रेन = 0
मेट्रिक्स = ['ब्लू']
num_buckets=5
num_embeddings_partitions=0
num_gpus=1
num_layers=2
num_residual_layers=0
num_train_steps=500000
num_translations_per_input=10
num_units=512
अनुकूलक=एडम
out_dir=/home/science/tf-demo/models/nmt-chatbot/model
output_attention=सच
ओवरराइड_लोडेड_हपरम्स = सच
pass_hidden_state=सच
random_seed=कोई नहीं
अवशिष्ट = असत्य
शेयर_वोकैब=गलत
एसओएस =
source_reverse=गलत
स्रोत = से
src_max_len=50
src_max_len_infer=कोई नहीं
src_vocab_file=/home/science/tf-demo/models/nmt-chatbot/data/vocab.from
src_vocab_size=15003
start_decay_step=0
steps_per_external_eval=कोई नहीं
steps_per_stats=100
उपशब्द_विकल्प=
test_prefix=/home/science/tf-demo/models/nmt-chatbot/data/tst2013
tgt=to
tgt_max_len=50
tgt_max_len_infer=कोई नहीं
tgt_vocab_file=/home/science/tf-demo/models/nmt-chatbot/data/vocab.to
tgt_vocab_size=15003
time_major=सच
train_prefix=/home/science/tf-demo/models/nmt-chatbot/data/train
Unit_type=lstm
vocab_prefix=/home/science/tf-demo/models/nmt-chatbot/data/vocab
वार्मअप_स्कीम = t2t
वार्मअप_स्टेप्स = 0

ट्रेन का ग्राफ बनाया जा रहा है...

num_bi_layers = 1, num_bi_residual_layers=0
सेल ० LSTM, भूल जाओ = १ ड्रॉपआउट रैपर, ड्रॉपआउट = ०.२ डिवाइसवापर, डिवाइस = / जीपीयू: ०
सेल ० LSTM, भूल जाओ = १ ड्रॉपआउट रैपर, ड्रॉपआउट = ०.२ डिवाइसवापर, डिवाइस = / जीपीयू: ०
सेल ० LSTM, भूल जाओ = १ ड्रॉपआउट रैपर, ड्रॉपआउट = ०.२ डिवाइसवापर, डिवाइस = / जीपीयू: ०
सेल 1 LSTM, भूले-बिसरे = 1 ड्रॉपआउट रैपर, ड्रॉपआउट = 0.2 डिवाइसवापर, डिवाइस = / जीपीयू: 0
लर्निंग_रेट = 0.001, वार्मअप_स्टेप्स = 0, वार्मअप_स्कीम = टी 2 टी
क्षय_स्कीम=, start_decay_step=0, क्षय_चरण १००००, क्षय_कारक १

प्रशिक्षित चर

एम्बेडिंग/एनकोडर/एम्बेडिंग_ एनकोडर:0 , (१५००३, ५१२),
एम्बेडिंग/डिकोडर/एम्बेडिंग_ डिकोडर:0 , (15003, 512),
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/fw/basic_lstm_cell/ कर्नेल:0 , (1024, 2048), / डिवाइस: GPU :0
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/fw/basic_lstm_cell/ बायस:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/bw/basic_lstm_cell/ कर्नेल:0 , (1024, 2048), / डिवाइस: GPU :0
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/bw/basic_lstm_cell/ बायस:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/डिकोडर/मेमोरी_लेयर/ कर्नेल:0 , (1024, 512),
dynamic_seq2seq/डिकोडर/ध्यान/multi_rnn_cell/cell_0/basic_lstm_cell/ कर्नेल:0 , (१५३६, २०४८),/ डिवाइस:जीपीयू :०
dynamic_seq2seq/डिकोडर/ध्यान/multi_rnn_cell/cell_0/basic_lstm_cell/ bias:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/डिकोडर/ध्यान/मल्टी_आरएनएन_सेल/सेल_1/बेसिक_एलएसटीएम_सेल/ कर्नेल:0 , (1024, 2048), / डिवाइस: जीपीयू : 0
dynamic_seq2seq/डिकोडर/ध्यान/multi_rnn_cell/cell_1/basic_lstm_cell/ bias:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/डिकोडर/ध्यान/luong_attention/attention_g:0, (),/ डिवाइस:GPU :0
dynamic_seq2seq/डिकोडर/ध्यान/ध्यान_लेयर/ कर्नेल:0 ,(१५३६, ५१२),/ डिवाइस:जीपीयू :०
डायनामिक_seq2seq/डिकोडर/आउटपुट_प्रोजेक्शन/ कर्नेल:0 , (512, 15003),/ डिवाइस:जीपीयू :0

eval ग्राफ बनाया जा रहा है...

num_bi_layers = 1, num_bi_residual_layers=0
सेल ० LSTM, भूल जाओ = १ डिवाइसवैपर, डिवाइस = / gpu: ०
सेल ० LSTM, भूलना_बायस = १ डिवाइसवापर, डिवाइस = / जीपीयू: ०
सेल ० LSTM, भूल जाओ = १ डिवाइसवैपर, डिवाइस = / gpu: ०
सेल 1 LSTM, भूल जाओ = 1 DeviceWrapper, डिवाइस = / gpu: 0

प्रशिक्षित चर

एम्बेडिंग/एनकोडर/एम्बेडिंग_ एनकोडर:0 , (१५००३, ५१२),
एम्बेडिंग/डिकोडर/एम्बेडिंग_ डिकोडर:0 , (15003, 512),
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/fw/basic_lstm_cell/ कर्नेल:0 , (1024, 2048), / डिवाइस: GPU :0
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/fw/basic_lstm_cell/ बायस:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/bw/basic_lstm_cell/ कर्नेल:0 , (1024, 2048), / डिवाइस: GPU :0
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/bw/basic_lstm_cell/ बायस:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/डिकोडर/मेमोरी_लेयर/ कर्नेल:0 , (1024, 512),
dynamic_seq2seq/डिकोडर/ध्यान/multi_rnn_cell/cell_0/basic_lstm_cell/ कर्नेल:0 , (१५३६, २०४८),/ डिवाइस:जीपीयू :०
dynamic_seq2seq/डिकोडर/ध्यान/multi_rnn_cell/cell_0/basic_lstm_cell/ bias:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/डिकोडर/ध्यान/मल्टी_आरएनएन_सेल/सेल_1/बेसिक_एलएसटीएम_सेल/ कर्नेल:0 , (1024, 2048), / डिवाइस: जीपीयू : 0
dynamic_seq2seq/डिकोडर/ध्यान/multi_rnn_cell/cell_1/basic_lstm_cell/ bias:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/डिकोडर/ध्यान/luong_attention/attention_g:0, (),/ डिवाइस:GPU :0
dynamic_seq2seq/डिकोडर/ध्यान/ध्यान_लेयर/ कर्नेल:0 ,(१५३६, ५१२),/ डिवाइस:जीपीयू :०
डायनामिक_seq2seq/डिकोडर/आउटपुट_प्रोजेक्शन/ कर्नेल:0 , (512, 15003),/ डिवाइस:जीपीयू :0

अनुमान ग्राफ बनाया जा रहा है...

num_bi_layers = 1, num_bi_residual_layers=0
सेल ० LSTM, भूल जाओ = १ डिवाइसवैपर, डिवाइस = / gpu: ०
सेल ० LSTM, भूल जाओ = १ डिवाइसवैपर, डिवाइस = / gpu: ०
सेल ० LSTM, भूल जाओ = १ डिवाइसवैपर, डिवाइस = / gpu: ०
सेल 1 LSTM, भूल जाओ = 1 DeviceWrapper, डिवाइस = / gpu: 0

प्रशिक्षित चर

एम्बेडिंग/एनकोडर/एम्बेडिंग_ एनकोडर:0 , (१५००३, ५१२),
एम्बेडिंग/डिकोडर/एम्बेडिंग_ डिकोडर:0 , (15003, 512),
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/fw/basic_lstm_cell/ कर्नेल:0 , (1024, 2048), / डिवाइस: GPU :0
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/fw/basic_lstm_cell/ बायस:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/bw/basic_lstm_cell/ कर्नेल:0 , (1024, 2048), / डिवाइस: GPU :0
dynamic_seq2seq/एनकोडर/द्विदिशात्मक_rnn/bw/basic_lstm_cell/ बायस:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/डिकोडर/मेमोरी_लेयर/ कर्नेल:0 , (1024, 512),
dynamic_seq2seq/डिकोडर/ध्यान/multi_rnn_cell/cell_0/basic_lstm_cell/ कर्नेल:0 , (१५३६, २०४८),/ डिवाइस:जीपीयू :०
dynamic_seq2seq/डिकोडर/ध्यान/multi_rnn_cell/cell_0/basic_lstm_cell/ bias:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/डिकोडर/ध्यान/मल्टी_आरएनएन_सेल/सेल_1/बेसिक_एलएसटीएम_सेल/ कर्नेल:0 , (1024, 2048), / डिवाइस: जीपीयू : 0
dynamic_seq2seq/डिकोडर/ध्यान/multi_rnn_cell/cell_1/basic_lstm_cell/ bias:0 , (2048,), / डिवाइस: GPU :0
dynamic_seq2seq/डिकोडर/ध्यान/luong_attention/attention_g:0, (),/ डिवाइस:GPU :0
dynamic_seq2seq/डिकोडर/ध्यान/ध्यान_लेयर/ कर्नेल:0 ,(१५३६, ५१२),/ डिवाइस:जीपीयू :०
dynamic_seq2seq/डिकोडर/आउटपुट_प्रोजेक्शन/ कर्नेल:0 , (512, 15003),

log_file=/home/science/tf-demo/models/nmt-chatbot/model/log_1519669184

2018-02-26 18:19:44.862736: I tensorflow/core/platform/cpu_feature_guard.cc:137] आपका CPU निर्देशों का समर्थन करता है कि इस TensorFlow बाइनरी को उपयोग करने के लिए संकलित नहीं किया गया था: SSE4.1 SSE4.2 AVX AVX2 FMA
मारे गए'

किस कमांड को चलाने की जरूरत है और इन कमांड को कहां चलाना है और कृपया कैसे बताएं। मुझे मदद की सख्त जरूरत है।

लेकिन क्या इसका मतलब यह है कि सिस्टम प्रक्रिया के लिए GPU का उपयोग नहीं कर रहा है?

वैसे आपको इसे हल करने की आवश्यकता है यदि आप एक त्वरण वातावरण में टेंसरफ़्लो का निर्माण कर रहे हैं जैसे कि केरासक्लासिफायर में k-fold का उपयोग करना।
इसे हल करने के लिए आपको स्रोत से टेंसरफ़्लो बनाने की आवश्यकता होगी जैसा कि हर कोई अनुशंसा करता है।
स्रोत से टेंसरफ़्लो बनाने के लिए आपको निम्न टूल की आवश्यकता होगी

1. यदि आप पहले से ही नीचे नहीं हैं, तो आप मशीन पर git स्थापित करें - ubuntu मशीन पर बस "sudo apt-get install git टाइप करें
2. आपको बेज़ल स्थापित करने की आवश्यकता होगी। कस्टम APT रिपॉजिटरी का उपयोग करने की अत्यधिक अनुशंसा की जाती है। bazel https://docs.bazel.build/versions/master/install-ubuntu.html इंस्टॉल करने के लिए इस लिंक पर दिए गए निर्देशों का पालन
3. आपको निम्नलिखित अजगर निर्भरता की आवश्यकता है ... नीचे दिए गए आदेश का उपयोग करके
   सुन्न, देव, और पहिया
   sudo apt-पायथन-सुन्न पायथन-देव स्थापित करें अजगर-पाइप अजगर-पहिया
   4. एक बार जब आपके पास सभी निर्भरताएँ स्थापित हो जाएँ, तो tensorflow github को अपने स्थानीय ड्राइव पर क्लोन करें
   गिट क्लोन https://github.com/tensorflow/tensorflow
4. टेंसरफ़्लो फ़ाइल में टेंसरफ़्लो और सीडी को क्लोन करने के लिए स्थान पर जाएँ और कॉन्फ़िग फ़ाइल चलाएँ
   सीडी टेंसर
   कॉन्फ़िगर

टेंसरफ़्लो इंस्टॉलेशन को पूरा करने के लिए बस स्क्रीन पर दिए गए निर्देशों का पालन करें।
टेंसरफ़्लो स्थापित होने के बाद मैं आपकी मशीन को अपडेट करने की अत्यधिक अनुशंसा करूंगा
सुडो एपीटी-अपडेट प्राप्त करें

शुभकामनाएँ और आनंद लें ...

बस इस धागे पर ध्यान दें कि आपको इन चेतावनियों को चुप नहीं करना चाहिए - मुझे स्रोत से निर्माण करके लगभग 43% तेज प्रशिक्षण समय मिल रहा है, मुझे लगता है कि यह प्रयास के लायक है।

• स्रोत से निर्माण पर Tensorflow के
• ... लेकिन वे वास्तव में यह नहीं बताते हैं कि एसएसई/एवीएक्स/एफएमए आदि को कैसे चालू किया जाए - इसलिए इस धागे का उपयोग

इस फ़ाइल का उपयोग करके टेंसरफ़्लो कैसे स्थापित करें" tensorflow-1.6.0-cp36-cp36m-win_amd64.whl"

@anozele pip3 install --upgrade *path to wheel file*

@gunan --config=opt पर्याप्त नहीं है, आपको स्रोत से TensorFlow बनाते समय भी जोड़ना चाहिए, उदाहरण के लिए, --copt="-msse4.2",।

इंटेल के अनुसार, https://software.intel.com/en-us/articles/intel-optimization-for-tensorflow-installation-guide , यदि आप इंटेल निर्मित Tensorflow का उपयोग करते हैं, तो आप उन चेतावनी को अनदेखा कर सकते हैं क्योंकि सभी उपलब्ध निर्देश सेट होंगे बैकएंड एमकेएल द्वारा उपयोग किया जा सकता है। क्या Tensorflow से कोई इसकी पुष्टि कर सकता है?

यह कोई त्रुटि नहीं है, केवल यह कहते हुए चेतावनियाँ हैं कि यदि आप स्रोत से TensorFlow का निर्माण करते हैं तो यह आपकी मशीन पर तेज़ हो सकता है।

तो इस बारे में सवाल: http://stackoverflow.com/questions/41293077/how-to-compile-tensorflow-with-sse4-2-and-avx-instructions
स्रोत से निर्माण के लिए TensorFlow गाइड: https://www.tensorflow.org/install/install_sources

हालांकि, यह तेजी से मैं का उपयोग नहीं करते -FMA -AVX -SSE नहीं है https://stackoverflow.com/questions/57197854/fma-avx-sse-flags-did-not-bring-me-good-performance

नमस्ते। क्षमा करें यदि मैं एक मरे हुए घोड़े को पीट रहा हूँ। बस सोच रहा था कि डिफ़ॉल्ट पाइप व्हील अग्रिम निर्देशों के साथ संकलित बायनेरिज़ क्यों नहीं है?

नमस्ते। क्षमा करें यदि मैं एक मरे हुए घोड़े को पीट रहा हूँ। बस सोच रहा था कि डिफ़ॉल्ट पाइप व्हील अग्रिम निर्देशों के साथ संकलित बायनेरिज़ क्यों नहीं है?

ऐसा इसलिए है क्योंकि पुराने सीपीयू आर्किटेक्चर उन्नत निर्देश सेट का समर्थन नहीं करते हैं। AVX, AVX2 या AVX512 को सपोर्ट करने वाले सीपीयू की विस्तृत सूची के लिए विकी देखें। यदि डिफ़ॉल्ट पाइप बाइनरी को इन निर्देश सेटों के साथ संकलित किया जाता है तो टेंसरफ़्लो पुराने सीपीयू पर काम नहीं कर सकता है।

लेकिन क्या इसका मतलब यह है कि सिस्टम प्रक्रिया के लिए GPU का उपयोग नहीं कर रहा है?

नहीं, यह दिखाता है कि भले ही आप GPU का उपयोग कर रहे हों, यदि आपने संदेशों को शांत नहीं किया है, तो आपको कमांड प्रॉम्प्ट में Tensorflor को आपके GPU डिवाइस को लोड करते हुए भी देखना चाहिए।

यदि आप इस रेपो से जांचते हैं:
कृपया नीचे दिए गए कोड की जाँच करें:

https://github.com/fo40225/tensorflow-windows-wheel

उन्होंने एसएसई और एवीएक्स के साथ टीएफ के लगभग सभी संस्करणों को संकलित किया है
उन्होंने लगभग सभी TF संस्करणों को संकलित किया है!

यह लेख झंडे सहित स्रोत से निर्माण करने का एक अच्छा ट्यूटोरियल था
https://medium.com/@pierreontech/setup -a-high-performance-conda-tensorflow-environment-९७६९९५१५८cb1

--copt=-mavx --copt=-msse4.1 --copt=-msse4.2 जैसे अतिरिक्त बेज़ल विकल्पों का उपयोग करके उचित एक्सटेंशन को शामिल करने के लिए बाध्य करने का प्रयास करें