Mga Advanced na Extension ng Vector ( AVX , kilala rin bilang Mga Bagong Extension ng Sandy Bridge ) ay mga extension sa arkitektura na itinakda ng x86 na arkitektura para sa mga microprocessor mula sa Intel at AMD na iminungkahi ng Intel noong Marso 2008 at unang suportado ng Intel gamit ang pagpapadala ng Sandy Bridge ng processor sa Q1 2011 at kalaunan ay sa pamamagitan ng AMD kasama ang pagpapadala ng Bulldozer processor sa Q3 2011. AVX nagbibigay ng mga bagong tampok, bagong tagubilin, at isang bagong pamamaraan sa pag-coding.
Ang babala ay ipinapakita sa cmd
Ang mensahe ng babalang ito ay nai-print ng nakabahaging library ng TensorFlow. Tulad ng ipinahiwatig ng mensahe, hindi kasama sa nakabahaging library ang uri ng mga tagubilin na maaaring magamit ng iyong CPU.
Ano ang Sanhi ng Babala na Ito?
Matapos ang TensorFlow 1.6, ang mga binary ay gumagamit na ngayon ng mga tagubilin sa AVX na maaaring hindi na tumakbo sa mga mas matandang CPU. Kaya't ang mga mas matandang CPU ay hindi magagawang patakbuhin ang AVX, habang para sa mga mas bago, kailangang buuin ng gumagamit ang tensorflow mula sa mapagkukunan para sa kanilang CPU. Nasa ibaba ang lahat ng impormasyong kailangan mong malaman tungkol sa partikular na babalang ito. Gayundin, isang pamamaraan tungkol sa pag-aalis ng babalang ito para magamit sa hinaharap.
Ano ang ginagawa ng AVX?
Sa partikular, ipinakilala ng AVX ang FMA (Fuse multiply-add); na kung saan ay ang lumulutang-point na multiply-add na operasyon, at ang lahat ng operasyon na ito ay ginagawa sa isang solong hakbang. Nakakatulong ito na mapabilis ang maraming pagpapatakbo nang walang anumang problema. Ginagawa nitong mas mabilis at madaling gamitin ang pagkalkula ng algebra, pati na rin ang dot-product, matrix multiply, convolution, atbp. At ito ang lahat ng pinaka ginagamit at pangunahing operasyon para sa bawat pagsasanay sa pag-aaral ng machine. Ang mga CPU na sumusuporta sa AVX at FMA ay magiging mas mabilis kaysa sa mga mas luma. Ngunit nakasaad sa babala na sinusuportahan ng iyong CPU ang AVX, kaya't ito ay isang magandang punto.
Teknolohiya ng Intel AVX
Bakit hindi ito ginagamit bilang default?
Iyon ay dahil ang pamamahagi ng default na TensorFlow ay itinayo nang walang mga extension ng CPU. Sa pamamagitan ng mga extension ng CPU nakasaad dito ang AVX, AVX2, FMA, atbp. Ang mga tagubilin na nagpapalitaw sa isyung ito ay hindi pinagana ng default sa mga magagamit na default na pagbuo. Ang mga kadahilanang hindi sila pinagana ay upang gawin itong mas katugma sa maraming mga CPU hangga't maaari. Gayundin upang ihambing ang mga extension na ito, mas mabagal ang mga ito sa CPU kaysa sa GPU. Ginagamit ang CPU sa maliit na pag-aaral ng makina habang ang paggamit ng GPU ay inaasahan kapag ginagamit ito para sa isang daluyan o malalaking pagsasanay sa pag-aaral ng makina.
Pag-aayos ng Babala!
Ang mga babalang ito ay simpleng mensahe lamang. Ang layunin ng mga babalang ito ay upang ipagbigay-alam sa iyo tungkol sa built TensorFlow mula sa mapagkukunan. Kapag itinayo mo ang TensorFlow mula sa mapagkukunan maaari itong maging mas mabilis sa makina. Kaya't ang lahat ng mga babalang ito ay sinasabi sa iyo ay ang pagbuo ng TensorFlow mula sa mapagkukunan.
Kung mayroon kang isang GPU sa iyong machine, maaari mong balewalain ang mga babalang ito mula sa suporta ng AVX. Dahil ang pinakamahal ay ipapadala sa isang aparato ng GPU. At kung nais mong hindi na makita ang error na ito, maaari mo lamang itong balewalain sa pamamagitan ng pagdaragdag nito:
i-import ang Module ng OS sa iyong pangunahing code ng programa at itakda din ang object ng pagmamapa para dito
# Para sa hindi pagpapagana ng babala i-import ang mga ito os.en environment ['TF_CPP_MIN_LOG_LEVEL'] = '2'
Ngunit kung ikaw ay nasa a Unix , pagkatapos ay gamitin ang command sa pag-export sa bash shell
i-export ang TF_CPP_MIN_LOG_LEVEL = 2
Ngunit kung walang GPU, at nais mong gamitin ang iyong CPU hangga't maaari, dapat mong buuin ang TensorFlow mula sa pinagmulang na-optimize para sa iyong CPU na may AVX, AVX2, at FMA na pinagana dito .
2 minuto basahin
