“这不是真的。”；英特尔&x27；s优化的Tensorflow随Linux上新的2018 Intel Python发行版而来；

在以下网页上：

据称：“英特尔优化Tensorflow的康达软件包随新的2018英特尔Python Linux发行版而来。”

我不认为这是真的

---

在我们的集群中，我们有：

英特尔并行工作室XE 2018

在单独安装中，我们获得：

英特尔Python部署（IDP）2018（2.7、3.6）

---

以下是一个屏幕截图，其中包含优化的tensorflow未随IDP 2018提供的证据：

[whowell@acf-knl004 ~]$ module load intel-python/2.7/2018.0.018
[whowell@acf-knl004 ~]$ which python
/global/opt/intel/python/2018.0.018/intelpython2/bin/python
[whowell@acf-knl004 ~]$ python -c 'import tensorflow as tf;print          
tf.__file__;sess = tf.InteractiveSession()'
/global/opt/intel/python/2018.0.018/intelpython2/lib/python2.7/site-   
packages/tensorflow/__init__.pyc
2017-10-09 18:28:23.284004: W 
tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow libra\ry 
wasn't compiled to use SSE4.1 instructions, but these are available on your 
machine and could speed up CPU computations.

2017-10-09 18:28:23.284243: W 
tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library 
wasn't compiled to use SSE4.2 instructions, but these are available on your 
machine and could speed up CPU computations.

2017-10-09 18:28:23.284311: W 
tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library 
wasn't compiled to use AVX instructions, but these are available on your 
machine and could speed up CPU computations.
2017-10-09 18:28:23.284456: W 
tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library     
wasn't compiled to use AVX2 instructions, but these are available on your 
machine and could speed up CPU computations.
2017-10-09 18:28:23.284518: W 
tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library 
wasn't compiled to use AVX512F instructions, but these are available on your 
machine and could speed up CPU computations.
2017-10-09 18:28:23.284579: W 
tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library 
wasn't compiled to use FMA instructions, but these are available on your 
machine and could speed up CPU computations.

---

优化之一是使用向量指令构建。因为我们得到一个警告，使用的tensorflow不是用向量指令构建的，所以我们不能使用优化版本

---

我们有生物信息学家要进行大规模的分布式tensorflow运行，而新的KNL正是为此专门设计的。从KNL的优化张量流开始是至关重要的。我们的员工中有个人在至强Phi体系结构和NVIDIA GPU方面具有多年的尖端研究经验。未来可能会有合作机会，以扩展tensorflow产品

---

你建议我们下一步做什么

我们非常感谢在这方面提供的任何帮助

米奇·霍顿博士 联合计算科学研究所（JICS）

---

田纳西大学，诺克斯维尔，tn/p>p>>警告可能是不合法的。原因是有两种方法可以让二进制文件使用特定于体系结构的指令

修复架构并使用架构特定的标志构建所有内容（谷歌方式）

使用动态分派在运行时为体系结构选择可用的最佳指令。（以世界其他地区的方式）

---

警告只检查方式1.，它们无法判断Intel的操作是否使用动态调度逻辑自动为体系结构选择最佳指令。

检查是否使用运行时调度选择指令集（如@Yaroslav建议），使用

objdump-drwC-Mintel/usr/lib/../which.so

并查找

zmm

寄存器和/或）如果类似的指令存在于二进制文件中的任何位置，可能会有运行时调度来使用它们。但是，由于KNL的调优与Skylake-AVX512的调优不同，使用

gcc-O3-march=knl

（或

-march=native

，如果在knl CPU上运行构建，则编译您自己的版本可能是有意义的。此

-march=native

可能是TensorFlow的默认设置）。除非您找到专门为KNL编译的二进制软件包，否则构建自己的库至少比使用可能使用

-mtune=generic

的带运行时CPU检测的库略为优化。与SKX不同，KNL在旧版SSE（解码瓶颈）方面表现不佳，因此请确保所有SIMD代码都使用AVX/AVX512。