python - 在 PyCharm 的虚拟环境中更新 Tensorflow 二进制文件以使用 AVX2

Question

我的问题与这个有关 here ，但我正在使用 PyCharm，并根据此 guide 使用 Python 解释器设置了我的虚拟环境，第 5 页。
当我运行我的 tensorflow 代码时，我收到警告:

Your CPU supports instructions that this TensorFlow binary was notcompiled to use: AVX2

我可以忽略它，但由于我的模型拟合很慢，我想利用它。但是，我不知道如何在此虚拟环境 PyCharm 设置中更新我的系统以使用 AVX2？

Answer 1

Anaconda/conda 作为包管理工具:
假设你已经在你的机器上安装了 anaconda/conda，如果没有按照这个 - https://docs.anaconda.com/anaconda/install/windows/

conda create --name tensorflow_optimized python=3.7
conda activate tensorflow_optimized

# you need intel's tensorflow version that's optimized to use SSE4.1 SSE4.2 AVX AVX2 FMA
conda install tensorflow-mkl -c anaconda

#run this to check if the installed version is using MKL, 
#which in turns uses all the optimizations that your system provide. 
python -c "import tensorflow as tf; tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)"

# you should see something like this as the output.
2020-07-14 19:19:43.059486: I tensorflow/core/platform/cpu_feature_guard.cc:145] This TensorFlow binary is optimized with Intel(R) MKL-DNN to use the following CPU instructions in performance critical operations:  SSE4.1 SSE4.2 AVX AVX2 FMA
To enable them in non-MKL-DNN operations, rebuild TensorFlow with the appropriate compiler flags.

pip3 作为包管理工具:

py -m venv tensorflow_optimized
.\tensorflow_optimized\Scripts\activate

#once the env is activated, you need intel's tensorflow version 
#that's optimized to use SSE4.1 SSE4.2 AVX AVX2 FMA
pip install intel-tensorflow

#run this to check if the installed version is using MKL, 
#which in turns uses all the optimizations that your system provide. 
py -c "import tensorflow as tf; tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)"

# you should see something like this as the output.
2020-07-14 19:19:43.059486: I tensorflow/core/platform/cpu_feature_guard.cc:145] This TensorFlow binary is optimized with Intel(R) MKL-DNN to use the following CPU instructions in performance critical operations:  SSE4.1 SSE4.2 AVX AVX2 FMA
To enable them in non-MKL-DNN operations, rebuild TensorFlow with the appropriate compiler flags.

一旦你有了这个，你就可以在 pycharm 中设置使用这个环境。
在此之前，运行 where python在 window 上， which python在 Linux 和 Mac 上，当 env 被激活时，应该为您提供解释器的路径。在 Pycharm 中，
转到首选项 -> 项目:您的项目名称 -> 项目解释器 -> 单击设置符号 -> 单击添加。

选择系统解释器 -> 单击 ... -> 这将打开一个弹出窗口，询问 python 解释器的位置。

在位置路径中，粘贴来自 where python 的路径->点击确定

现在您应该看到该环境中安装的所有软件包。

从下一次开始，如果您想为您的项目选择该解释器，请单击右下半部分的 python3/python2(您的解释器名称)并选择您需要的那个。

我建议你安装 Anaconda 作为你的默认包管理器，因为它可以让你的开发生活更轻松，在 Windows 机器上使用 python，但你也可以使用 pip。