- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
这是运行脚本以检查 Tensorflow 是否正常工作时收到的消息:
I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcublas.so.8.0 locally
I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcudnn.so.5 locally
I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcufft.so.8.0 locally
I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:125] successfully opened CUDA library libcurand.so.8.0 locally
W tensorflow/core/platform/cpu_feature_guard.cc:95] 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:95] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:910] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
我注意到它提到了SSE4.2和AVX,
最佳答案
我刚遇到同样的问题,Yaroslav Bulatov 的建议似乎没有涵盖 SSE4.2 支持,添加 --copt=-msse4.2
就足够了。最后,我成功构建了
bazel build -c opt --copt=-mavx --copt=-mavx2 --copt=-mfma --copt=-mfpmath=both --copt=-msse4.2 --config=cuda -k //tensorflow/tools/pip_package:build_pip_package
没有收到任何警告或错误。
对于任何系统来说,最好的选择可能是:
bazel build -c opt --copt=-march=native --copt=-mfpmath=both --config=cuda -k //tensorflow/tools/pip_package:build_pip_package
(更新:the build scripts may be eating -march=native
,可能是因为它包含一个 =
。)
-mfpmath=both
仅适用于 gcc,不适用于 clang。 -mfpmath=sse
可能同样好,甚至更好,并且是 x86-64 的默认值。 32 位构建默认为 -mfpmath=387
,因此更改它有助于 32 位。 (但如果你想要高性能的数字运算,你应该构建 64 位二进制文件。)
我不确定 TensorFlow 默认的 -O2
或 -O3
是什么。 gcc -O3
启用全面优化,包括自动矢量化,但有时会使代码变慢。
这是做什么的:--copt
for bazel build
将一个选项直接传递给 gcc 以编译 C 和 C++ 文件(但不链接,因此您需要一个不同的选项来进行跨文件链接时间优化)
x86-64 gcc 默认仅使用 SSE2 或更旧的 SIMD 指令,因此您可以在任何 x86-64 系统上运行二进制文件。 (参见 https://gcc.gnu.org/onlinedocs/gcc/x86-Options.html)。那不是你想要的。你想制作一个二进制文件,利用你的 CPU 可以运行的所有指令,因为你只在你构建它的系统上运行这个二进制文件。
-march=native
启用您的 CPU 支持的所有选项,因此它使 -mavx512f -mavx2 -mavx -mfma -msse4.2
变得多余。 (此外,-mavx2
已经启用了 -mavx
和 -msse4.2
,所以 Yaroslav 的命令应该没问题)。此外,如果您使用的 CPU 不支持这些选项之一(如 FMA),则使用 -mfma
会使二进制文件因非法指令而出错。
TensorFlow's ./configure
defaults to enabling -march=native
,因此使用它应该避免需要手动指定编译器选项。
-march=native
启用-mtune=native
,所以it optimizes for your CPU对于诸如哪个 AVX 指令序列最适合未对齐加载之类的事情。
这都适用于 gcc、clang 或 ICC。 (对于 ICC,您可以使用 -xHOST
而不是 -march=native
。)
关于tensorflow - 如何用SSE4.2和AVX指令编译Tensorflow?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44247047/
我是一名优秀的程序员,十分优秀!