[tensorflow] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

-

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2


tensorflow 예제 실행 시

import tensorflow as tf

test = tf.constant("hello world")
sess = tf.Session()
print(sess.run(test))

# 출력
# 2019-05-23 22:41:38.563812: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
# b'hello world'

tensorflow를 돌리면 AVX에 관한 안내 메시지를 볼 수 있습니다.

AVX는 FMA 연산 방식을 사용하는데 FMA는 선형대수(linear algebra computation), 스칼라 곱(dot-product), convolution, 행렬 연산(matrix multiply) 등의 연산을 보다 빠르게 해준다.
기계학습 training 과정에서 위와 같은 연산(스칼라, 행렬 연산 등)을 많이 사용하므로 AVX와 FMA를 지원하는 CPU는 더 빠른 연산작업을 할 수 있다.

안내 메시지의 의미는 "현재 설치된 tensorflow는 AVX를 사용하지 않게 빌드되었다" 라고 하고 있습니다.

관련링크
https://stackoverflow.com/questions/47068709/your-cpu-supports-instructions-that-this-tensorflow-binary-was-not-compiled-to-u


해결방법 1.1 - 안내 메시지 무시(코드)

import os
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "1"

TF_CPP_MIN_LOG_LEVEL은 tensorflow log를 담당하는 변수입니다.

관련링크
https://stackoverflow.com/questions/35869137/avoid-tensorflow-print-on-standard-error


해결방법 1.2 - 안내 메시지 무시(pycharm)

Run - Edit Configurations


 Environment Variables 환경변수 추가


Name: TF_CPP_MIN_LOG_LEVEL
Value: 1


Environment Variables 환경변수 추가 확인


run을 하면 경고메시지가 사라진 걸 확인


해결방법 1.1과 1.2는 .py 파일을 만들때 마다 TF_CPP_MIN_LOG_LEVEL을 설정 해줘야하는 단점이 있습니다.


해결방법 1.3 - 안내 메시지 무시(tensorflow __init__.py 수정)

import os
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "1"

위의 코드는 os에 접근하여 tensorflow log 변수 값을 변경하다는 뜻인데
이는 tensorflow log 값을 tensorflow 초기화하는 과정에서 변경할 수 있음을 알 수 있습니다.

본인의 virtualenv를 activate 합니다.

window - tensorflow(본인 virtualenv)\Scripts\activate
linux - source tensorflow(본인 virtualenv)\bin\activate

tensorflow 파일 위치 확인

pip show tensorflow(본인 virtualenv)

C:\Users\USER\venv\tensorflow(virtualenv)\lib\site-packages\tensorflow\__init__.py 파일 수정

수정 전

import os as _os

수정 후

import os as _os
_os.environ["TF_CPP_MIN_LOG_LEVEL"] = "1"


__init__.py 파일을 수정하면 매번 .py 파일 생성마다 tensorflow log 변수의 값을 지정할 필요가 없습니다.


해결방법 2

tensorflow AVX 빌드

# 2019-05-23 22:41:38.563812: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

"현재 설치된 tensorflow는 AVX를 사용하지 않게 빌드되었다" 라는 메시지이니
아래의 url에서 AVX를 지원하는 tensorflow를 빌드하면 됩니다.

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


AVX를 지원하며 본인의 버전에 맞는 tensorflow.whl을 다운받으시면 됩니다.
단 GPU의 경우 아래의 글을 참조하시면 굳이 AVX 버전으로 다운받으실 필요가 없습니다.
해결방안 1을 참조해서 안내 메시지만 무시하면 됩니다.


관련링크
https://stackoverflow.com/questions/47068709/your-cpu-supports-instructions-that-this-tensorflow-binary-was-not-compiled-to-u


본인 버전에 맞는 tensorflow.whl 설치하는 방법

저 같은 경우 다운받은 tensorflow.whl 파일을 virtualenv의 상위 폴더에 옮겼습니다.
C:\Users\USER\venv\virtualenv의 구조를 가지고 있어
C:\Users\USER\venv에 tensorflow.whl 파일이 있습니다.

pip를 이용한 tensorflow.whl 설치

pip install 본인 버전의 tensorflow.whl


이후 run을 해보시면 안내 메시지가 제거된 것을 확인할 수 있습니다.


참고문헌





댓글

댓글 쓰기

이 블로그의 인기 게시물

[opencv-python] 이미지 크기조절(resize) 하는 법

-
이미지
이미지 크기 조절(resize) 이미지 크기를 조절하는 예제를 알아보겠습니다. 이미지 불러오기 import cv2 img = cv2.imread( "image/cat.jpg" ) cv2.imshow( "img" , img) cv2.waitKey() cat.jpg 이미지를 불러와 화면에 띄웁니다. 이미지 크기 조절 img = cv2.imread( "image/cat.jpg" ) print ( "img.shape = {0}" .format(img.shape)) resize_img = cv2.resize(img , ( 300 , 300 )) print ( "resize_img.shape = {0}" .format(resize_img.shape)) cv2.imshow( "img" ,  img) cv2.imshow( "resize img" , resize_img) cv2.waitKey() # 출력 # img.shape = (360, 480, 3) # resize_img.shape = (300, 300, 3) 이미지 크기 조절 방법 1 - cv2.resize(img, dsize=(300, 300)) cv2.resize(원본 이미지, 결과 크기 이미지)로 이미지의 크기를 조절할 수 있습니다. 결과 크기 이미지는 Tuple이며 (width, height)의 형식 입니다. 이미지 크기 조절 방법 2 - cv2.resize(img, dsize=(300, 300), interpolation=cv2.INTER_AREA) cv2.resize(원본 이미지, 결과 크기 이미지, 보간법)로 이미지 크기를 조절할 수 있습니다. 보간법은 이미지의 크기를 변경하면 변경된 이미지의 픽셀 사이의 값을 결정해야 하는데, 이때 보간법을 사용합니다.
자세한 내용 보기

[python]파이썬: csv reader header skip (첫번째 행 무시하기, 안읽기)

-
이미지
header를 skip하기 위해서는 next() 를 하면 됩니다. ex) 아래와 같은 데이터를 가지는 excel 파일에서 header를 skip 했을 때와 하지 않았을 때를 비교 해보겠습니다. next()를 사용하지 않았을 경우 next()를 사용했을 경우 연관문헌 pandas 특정 행에 값 넣기 https://daewoonginfo.blogspot.com/2019/04/pandas.html 참고자료 https://evanhahn.com/python-skip-header-csv-reader/
자세한 내용 보기

[python] selenium close와 quit 차이점

-
이미지
close와 quit 차이점 selenium webdriver를 닫는 기능으로는 close()와 quit()이 존재합니다. close() close()는 현재 selenium webdriver가 활성화되어 있는 화면만을 종료 합니다. 2개 이상의 webdriver 탭이 열려있다면 현재 활성화되어 있는 webdriver만 종료되고 나머지 webdriver는 종료되지 않습니다. 현재 열려있는 webdriver close() -> 활성화되어 있던 naver만 종료가 되었음. close() 이후 탭 전환을하고 싶으신 분은 아래의 링크를 참고하세요. window, mac에서 새 탭 열기 및 전환 https://daewoonginfo.blogspot.com/2019/05/python-selenium.html quit() quit()는 dispose() 함수를 불러와 열려있는 모든 webdriver를 종료하고 세션을 안전하게 종료 합니다. 프로그램을 종료할 때 quit()을 사용하지 않는다면 webdriver 세션이 완벽하게 종료되지 않아 메모리 누수가 발생할 수 있습니다. 하나의 webdriver가 열려있다면 close()와 quit() 어느 것을 사용해도 동일한 작업을 수행 합니다. 하지만 2개 이상의 webdriver가 열려있다면 close()와 quit() 다르게 작동  하는것을 유의해야합니다. 참고문헌 [1] https://www.zyxware.com/articles/5552/what-is-close-and-quit-commands-in-selenium-webdriver
자세한 내용 보기