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

相信很多人导入tensorflow运算时都会遇见上图的错误，但这并不是你的错，这是你电脑CPU的错，因为你的电脑CPU太垃圾了。

这个警告是关于什么的？

除了通常的算术和逻辑之外，现代CPU提供了许多低级指令，称为扩展，例如SSE2，SSE4，AVX等。来自维基百科：

高级矢量扩展（AVX）是英特尔和AMD于2008年3月提出的英特尔和AMD微处理器的x86指令集架构的扩展，并首次得到英特尔的支持，其中Sandy Bridge处理器于2011年第一季度发布，后来由AMD推出Bulldozer处理器在2011年第3季度.AVX提供新功能，新指令和新的编码方案。

特别是，AVX引入了融合乘法累加（FMA）运算，加速了线性代数计算，即点积，矩阵乘法，卷积等。几乎每一次机器学习培训都涉及大量的这些操作，因此将是支持AVX和FMA的CPU速度更快（高达300％）。警告声明您的CPU确实支持AVX（万岁！）。

我想在此强调：它只是关于CPU的。

那为什么不用呢？

因为tensorflow默认分布是在没有CPU扩展的情况下构建的，例如SSE4.1，SSE4.2，AVX，AVX2，FMA等。默认构建（来自pip install tensorflow）可以与尽可能多的CPU兼容。另一个论点是，即使使用这些扩展，CPU也比GPU慢很多，并且预计可以在GPU上执行中型和大型机器学习培训。

你该怎么办？

 

如果没有GPU，并希望利用CPU尽可能的，你应该从优化源建立tensorflow 您的 CPU与AVX，AVX2，并启用了FMA如果你的CPU支持他们。在这个问题和GitHub问题中都讨论过这个问题。Tensorflow使用一个名为bazel的ad-hoc构建系统，并且构建它并不是那么简单，但肯定是可行的。在此之后，警告不仅会消失，张力流性能也会提高。

需要在最顶行写入以下代码

import os  
# os.environ["TF_CPP_MIN_LOG_LEVEL"]='1' # 这是默认的显示等级，显示所有信息  
os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只显示 warning 和 Error   
# os.environ["TF_CPP_MIN_LOG_LEVEL"]='3' # 只显示 Error