由於現在神經網絡這個東西比較火，准確的說是深度學習這個東西比較火，我們實驗室准備靠這個東西發幾個CCF A類的文章，雖然我不太懂這東西，興趣也一般都是畢竟要跟隨主流的，於是今天安裝起了 Tensorflow 這個深度學習的框架。
安裝好以后運行一個Demo ,如下：
import tensorflow as tf a=tf.constant(2) b=tf.constant(20) with tf.Session() as sess: print(sess.run(a*b))
運行結果如下：
2018-05-03 19:57:44.151803: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
2018-05-03 19:57:44.251905: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:892] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2018-05-03 19:57:44.252195: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1030] Found device 0 with properties:
name: GeForce GTX 1050 Ti major: 6 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 3.95GiB freeMemory: 3.65GiB
2018-05-03 19:57:44.252228: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1120] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1)
40
這么一堆東西，一塊就知道是沒有啥用的警告，當然這是要把那個結果排除的，本打算忽略，不過這么一條警告我覺得我還是應該研究一下，如下：
Your CPU supports instructions that this TensorFlow binary was not compiled to use
這個警告是說我這個Tensorflow 不能支持幾種CPU矢量運算的指令碼，這東西看起來雖然是然並卵，但是總之是要人看着不太舒服，於是我上網找了找解法，發現大部分人是把警告直接屏蔽，方法如下：
1.
開頭輸入如下：
import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
不過這個法子總是有些不完美，於是繼續研究，得到第二個法子：
2. 進 tensorflow 官網，從源碼安裝
這個法子十分徹底，不過難度太大，這里不進行考慮。
3. 第三個方法，可能是我找到的比較靠譜的一個法子：
參考：https://blog.csdn.net/PJ7410/article/details/78886048
這里面說這個東西是要使你的Tensorflow 支持 SSE4.1 SSE4.2 AVX AVX2 FMA 指令，並給出了一個外國網址：
TensorFlow binaries supporting AVX, FMA, SSE etc.
由於我的個人電腦的配置，我選擇下面的安裝包：
下載到電腦上后，執行：
sudo pip install --ignore-installed --upgrade tensorflow-1.6.0-cp27-cp27mu-linux_x86_64.whl
然后就是漫長的等待，此時此刻我也是等待中呀，稍后便知是否可行。
經過漫長的等待，大致花了一個小時左右的時間，終於搞定，所有的警告消息都沒有了，此法可行。
搞定