这几天研究了一下FCN(全卷积网络)，由于电脑配置不够，用GPU训练直接报OOM（内存溢出）了， 于是转战CPU，当然，这样会很慢，之后会继续搞一下，减小一下网络的复杂度，对一些参数设置一波，看能不能正常跑下来。

记得一开始没有装GPU版的tensorflow时用CPU版本跑程序的时候总是报警告：Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2，当时没有太在意，大概搜了一下，就是说你的电脑是支持AVX2的，但是你装的tensorflow版本却不支持，当然，如果有GPU的话就可以忽视这个了，毕竟优先使用后者～既然可以更好一点（使用AVX2），那就追求一下完美吧……

网上很大部分资料对于这一块采取的措施都是屏蔽掉，所谓眼不见心不烦，但这样只能是自欺欺人啊，治标不治本，于是探究了一下，成功解决了这一问题，现记录一下：

1. 首先在Anaconda中创建虚拟环境，命名为cpu_avx2，python版本指定为3.7，这样避免出错崩溃影响到其他程序操作：

2. 在这里下载对应版本的tensorflow：https://github.com/fo40225/tensorflow-windows-wheel，比如我需要的是CPU+AVX2+Python3.7，那么我就选择第二个：

按照路径提示，在上边找到对应的.whl文件，对应本次安装的路径为：

3. 将该文件下载下来，放到相应的目录下（为了方便建议放到命令窗口对应的目录下，这样就不用再切换目录了，反正只要能找到该文件就行）：

然后打开Anaconda Prompt，进入刚才创建的虚拟空间cpu_avx2，安装即可：

完事后可以看一下安装的包：

整个过程大概持续几分钟，需要安装一些依赖，如果不能下载.whl文件的话就直接在命令窗口使用该命令从github下载安装：

pip install https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.14.0/py37/CPU/avx2/tensorflow-1.14.0-cp37-cp37m-win_amd64.whl

友情提示，在Pytharm中要正确选择编译器，在本例中我们使用的是虚拟环境cpu_avx2：

这样以后再跑程序就不会再有如标题所示的警告提醒了，相应的性能也会有所提升，对于无N卡的电脑来说还是很不错的……

以上这篇Tensorflow不支持AVX2指令集的解决方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持python博客。