已解决 I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with on

这篇具有很好参考价值的文章主要介绍了已解决 I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with on。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

已解决WARNING:tensorflow:From <stdin>1: is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version.
Instructions for updating:
Use tf.config.list_physical_devices(‘GPU’)~ instead.
2023-03-31 16:58:07.971004: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDMN) to use the following CPU instructions in performance-critical operations:
AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags









报错问题



粉丝群里面的一个小伙伴遇到问题跑来私信我,想用tensorflow,但是发生了报错(当时他心里瞬间凉了一大截,跑来找我求助,然后顺利帮助他解决了,顺便记录一下希望可以帮助到更多遇到这个bug不会解决的小伙伴),报错代码如下所示:

已解决 I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with on,tensorflow,python,深度学习

报错信息内容截图如下所示


已解决 I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with on,tensorflow,python,深度学习

WARNING:tensorflow:From `<stdin>`1: is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version.
Instructions for updating:
Use tf.config.list_physical_devices('GPU')~ instead.
2023-03-31 16:58:07.971004: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDMN) to use the following CPU instructions in performance-critical operations:
AVX AVX2
To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags
False



报错翻译



报错信息内容翻译如下所示

警告:tensorflow:From(stdin)1:is_gpu_available(From tensorflow.python.framework.test_util)已弃用,并将在未来版本中删除。
更新说明:
请改用tf.config.list_physical_devices(‘GPU’)~。
2023-03-31 16:58:07.971004:I tensorflow/core/platform/cpu_feature_guard.cc:142]此tensorflow二进制文件使用oneAPI深度神经网络库(oneDMN)进行了优化,以在性能关键操作中使用以下cpu指令:
AVX-AVX2
要在其他操作中启用它们,请使用适当的编译器标志重新生成TensorFlow
错误





报错原因



报错原因

这个警告通常是由于使用了已经被弃用的函数或方法导致的。在这个警告中,is_gpu_available函数已经被弃用,将在将来的版本中被删除。

小伙伴们按下面的方法解决即可!!!





解决方法



这个警告通常是由于使用了已经被弃用的函数或方法导致的。在这个警告中,is_gpu_available函数已经被弃用,将在将来的版本中被删除。为了解决这个问题,你可以尝试以下方法:

  1. 如果你不需要使用GPU进行计算,可以忽略这个警告。你可以在代码中使用其他的函数或方法来检查你的TensorFlow是否支持GPU,例如:

    import tensorflow as tf
    print(tf.test.is_built_with_cuda())
    print(tf.test.is_gpu_available())
    

    这里使用了is_built_with_cuda()函数来检查TensorFlow是否编译了CUDA支持,使用is_gpu_available()函数来检查GPU是否可用。

  2. 如果你需要使用GPU进行计算,可以尝试升级你的TensorFlow版本。在较新的TensorFlow版本中,is_gpu_available()函数已经被替换为tf.config.list_physical_devices('GPU')函数。你可以使用以下代码来检查GPU是否可用:

    import tensorflow as tf
    print(tf.test.is_built_with_cuda())
    print(tf.config.list_physical_devices('GPU'))
    
  3. 如果你的TensorFlow版本较老,可以尝试升级到较新的版本来解决这个问题。

pytorch各版本和cuda版本对应关系,官网链接:https://pytorch.org/get-started/previous-versions/

注意:低版本的 pytorch 是否支持更高版本的 cuda;高版本的pytorch一般能兼容低版本cuda。例如:你需要 1.7.0 的 pytorch,那么 cuda 只能 11.0 及以下。官方推荐的cuda版本为10.2和11.3,这两种 cuda 支持大多数的 pytorch 版本。

PyTorch 版本 CUDA 环境
0.4.1、1.2.0、1.4.0、1.5.0(1)、1.6.0、1.7.0(1) 9.2
1.2.0、1.1.0、1.0.0(1) 10.0
1.4.0、1.5.0(1)、1.6.0、1.7.0(1) 10.1
1.5.0(1)、1.6.0、1.7.0(1)、1.8.0(1)、1.9.0、1.10.0 10.2
1.7.0(1) 11.0
1.8.0(1)、1.9.0、1.10.0 11.1
1.8.0(1)、1.9.0、1.10.0 11.3

以上是此问题报错原因的解决方法,欢迎评论区留言讨论是否能解决,如果有用欢迎点赞收藏文章谢谢支持,博主才有动力持续记录遇到的问题!!!

千人全栈VIP答疑群联系博主帮忙解决报错

由于博主时间精力有限,每天私信人数太多,没办法每个粉丝都及时回复,所以优先回复VIP粉丝,可以通过订阅限时9.9付费专栏《100天精通Python从入门到就业》进入千人全栈VIP答疑群,获得优先解答机会(代码指导、远程服务),白嫖80G学习资料大礼包,专栏订阅地址:https://blog.csdn.net/yuan2019035055/category_11466020.html

  • 优点作者优先解答机会(代码指导、远程服务),群里大佬众多可以抱团取暖(大厂内推机会),此专栏文章是专门针对零基础和需要进阶提升的同学所准备的一套完整教学,从0到100的不断进阶深入,后续还有实战项目,轻松应对面试!

  • 专栏福利简历指导、招聘内推、每周送实体书、80G全栈学习视频、300本IT电子书:Python、Java、前端、大数据、数据库、算法、爬虫、数据分析、机器学习、面试题库等等

  • 注意:如果希望得到及时回复,和大佬们交流学习,订阅专栏后私信博主进千人VIP答疑群已解决 I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with on,tensorflow,python,深度学习
    已解决 I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with on,tensorflow,python,深度学习

免费资料获取,更多粉丝福利,关注下方公众号获取

已解决 I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with on,tensorflow,python,深度学习文章来源地址https://www.toymoban.com/news/detail-651054.html

到了这里,关于已解决 I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with on的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • tensorflow1 tensorflow 2 安装配置(cpu+gpu)windows+linux

    tensorflow1和2的安装部署,演示2.14版本(最新是2.15版本) windows和linux用法一致,我是在win10和ubuntu2204下都手动测试过的 本文使用的conda的方式,2023年12月10日更新 如果中间有任何报错,参考最后一节的处理 链接:tensorflow官网 注意:如果因为网络问题出现错误或卡住,多次尝

    2024年02月04日
    浏览(30)
  • 从源码编译 tensorFlow ,启用CPU 指令加速

    问题:AVX AVX2 AVX_VNNI FMA 是什么? AVX、AVX2、AVX_VNNI 和 FMA 都是针对 Intel CPU 的特殊指令集(instruction set),用于加速数值计算和向量化操作。这些指令集提供了高级别的并行性和向量化支持,可以在适用的硬件上加快特定计算任务的速度。 AVX (Advanced Vector Extensions):AVX 是 Intel

    2024年02月14日
    浏览(26)
  • windows环境下Tensorflow环境搭建(CPU版)

    看了网上好多教程,搞了好久没搞明白,好多教程都是18年19年的,很难跟上我python的版本,为了方便今后自己查看,本文以python3.9.17为例,搭建tensorflow环境,并在PyCharm中进行配置。 一、搭建tensorflow环境 首先判断自己的电脑显卡是A卡还是N卡,具体步骤为右击此电脑打开属

    2024年02月05日
    浏览(25)
  • tensorflow1 tensorflow 2 安装配置(cpu+gpu)windows+linux 新版2.12+

    tensorflow1和2的安装部署,演示2.14版本(最新是2.15版本) windows和linux用法一致,我是在win10和ubuntu2204下都手动测试过的 本文使用的conda的方式,2023年12月10日更新 如果中间有任何报错,参考最后一节的处理 链接:tensorflow官网 注意:如果因为网络问题出现错误或卡住,多次尝

    2024年02月12日
    浏览(32)
  • TensorFlow Core—基本分类:对服装图像进行分类

        现在人工智能很火的,看到了这篇文章,给自己普及一下基础知识,也分享给大家,希望对大家有用。 本指南将训练一个神经网络模型,对运动鞋和衬衫等服装图像进行分类。即使您不理解所有细节也没关系;这只是对完整 TensorFlow 程序的快速概述,详细内容会在您实际

    2024年02月10日
    浏览(30)
  • 深度学习 | 基于 CPU 的 tensorflow + keras + python 版本对照及环境安装

    Hi,大家好,我是源于花海。 要让一个基于 CPU 的 tensorflow 和 keras 开发的深度学习模型正确运行起来,配置环境是个重要的问题,本文介绍了 tensorflow 和 keras 和对应的 python 版本以及安装环境的部分流程。 目录 一、tensorflow + keras + python 版本对照 二、tensorflow 和 keras 安装流

    2024年01月25日
    浏览(35)
  • 【1】如何安装和卸载tensorflow-CPU和GPU各版本-简单清晰版

    学习随笔,权作记录。 打开Anaconda prompt(Anaconda3) 检查当前环境下python的版本 根据python的版本,创建虚拟环境pachong 按“y”,再按回车即可。 输入conda info -e,查看全部的环境,可以看到pachong环境已经创建完成。 在base环境下输入conda activate pachong,即可进入pachong环境 讲镜

    2023年04月18日
    浏览(26)
  • 基于Miniconda3安装jupyter notebook+虚拟环境安装tensorflow(cpu&gpu版本)

    本文在安装过程中参考了很多c站的其他教程,本文把安装过程中遇到的问题和安装过程一一记录,希望能有所贡献。 本文是基于miniconda已经安装完成且环境变量也设置好的前提。 目录 一、Miniconda创建虚拟环境 (以下的二和三部分任选其一安装即可) 二、安装tensorflow cpu版

    2024年02月07日
    浏览(45)
  • ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

    需要事先安装较新版本的 cuda 和cudnn ,例如11.8 + 8.8 在已经安装过cuda的机器上安装新版cuda sdk 和 cudnn 可参考前述: ubuntu 安装 多版本 cuda 11.4 11.8_Eloudy的博客-CSDN博客 一,安装python3 和 pip3 二,安装 cpu版本的 jax 和 jaxlib      使用pip官方源安装 jax:       使用pip清华源安装

    2024年02月06日
    浏览(35)
  • tensorflow-gpu安装100%成功(tensorflow-gpu版和tensorflow-cpu版的区别、为什么要创建虚拟环境、如何同时使用两个gpu库、tensorflow-gpu版安装)

    1.tensorflow-gpu版和tensorflow-cpu版的区别 tensorflow-gpu版需要同时配置安装CUDA、cuDNN,而tensorflow-cpu版不需要配置,直接 pip/conda install tensorflow 即可安装tensorflow-cpu版本 2.为什么要创建虚拟环境 在安装gpu版本的库时通常会创建单独的虚拟环境,例如安装tensorflow-gpu,则需要利用 cond

    2024年02月08日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包