एडवांस्ड वेक्टर एक्सटेंशन्स (AVX, जिसे सैंडी ब्रिज न्यू एक्सटेंशन्स के नाम से भी जाना जाता है) इंटेल और AMD के माइक्रोप्रोसेसर्स के लिए x86 इंस्ट्रक्शन सेट आर्किटेक्चर के एक्सटेंशन्स हैं जिन्हें इंटेल ने मार्च 2008 में प्रस्तावित किया था और पहली बार Q1 2011 में शिप होने वाले सैंडी ब्रिज प्रोसेसर के साथ इंटेल द्वारा सपोर्ट किया गया था और बाद में Q3 2011 में शिप होने वाले बुलडोजर प्रोसेसर के साथ AMD द्वारा। AVX नई सुविधाएँ, नए निर्देश और एक नई कोडिंग स्कीम प्रदान करता है।

यह चेतावनी संदेश TensorFlow की शेयर्ड लाइब्रेरी द्वारा प्रिंट किया जाता है। जैसा कि संदेश इंगित करता है, शेयर्ड लाइब्रेरी में उन निर्देशों का प्रकार शामिल नहीं है जिनका आपका CPU उपयोग कर सकता है।
इस चेतावनी का कारण क्या है?
TensorFlow 1.6 के बाद, बाइनरीज़ अब AVX निर्देशों का उपयोग करती हैं जो पुराने CPUs पर नहीं चल सकते। इसलिए पुराने CPUs AVX चलाने में असमर्थ होंगे, जबकि नए CPUs के लिए, उपयोगकर्ता को अपने CPU के लिए TensorFlow को सोर्स से बिल्ड करने की आवश्यकता होती है। नीचे इस विशेष चेतावनी के बारे में जानने के लिए आवश्यक सभी जानकारी दी गई है। साथ ही, भविष्य में इस चेतावनी से छुटकारा पाने की एक विधि भी।
AVX क्या करता है?
विशेष रूप से, AVX ने FMA (फ्यूज्ड मल्टीप्लाई-एड) पेश किया; जो फ्लोटिंग-पॉइंट मल्टीप्लाई-एड ऑपरेशन है, और यह पूरा ऑपरेशन एक ही चरण में किया जाता है। यह बिना किसी समस्या के कई ऑपरेशन्स को तेज करने में मदद करता है। यह बीजगणित गणना को अधिक तेज और आसान बनाता है, साथ ही डॉट-प्रोडक्ट, मैट्रिक्स मल्टीप्लिकेशन, कन्वोल्यूशन, आदि। और ये सभी हर मशीन-लर्निंग प्रशिक्षण के लिए सबसे अधिक उपयोग किए जाने वाले बुनियादी ऑपरेशन्स हैं। AVX और FMA को सपोर्ट करने वाले CPUs पुराने CPUs की तुलना में कहीं अधिक तेज होंगे। लेकिन चेतावनी बताती है कि आपका CPU AVX को सपोर्ट करता है, इसलिए यह एक अच्छी बात है।

यह डिफ़ॉल्ट रूप से उपयोग क्यों नहीं किया जाता?
ऐसा इसलिए है क्योंकि TensorFlow का डिफ़ॉल्ट वितरण CPU एक्सटेंशन्स के बिना बनाया गया है। CPU एक्सटेंशन्स से तात्पर्य AVX, AVX2, FMA आदि से है। ये निर्देश जो इस समस्या को ट्रिगर करते हैं, उपलब्ध डिफ़ॉल्ट बिल्ड्स पर डिफ़ॉल्ट रूप से सक्षम नहीं हैं। इन्हें सक्षम न करने का कारण इसे यथासंभव अधिक से अधिक CPUs के साथ संगत बनाना है। साथ ही इन एक्सटेंशन्स की तुलना करें, तो ये GPU की तुलना में CPU में बहुत धीमे हैं। CPU का उपयोग छोटे पैमाने के मशीन लर्निंग के लिए किया जाता है जबकि मध्यम या बड़े पैमाने के मशीन-लर्निंग प्रशिक्षण के लिए GPU के उपयोग की अपेक्षा की जाती है।
चेतावनी को ठीक करना!
ये चेतावनियाँ केवल सरल संदेश हैं। इन चेतावनियों का उद्देश्य आपको सोर्स से TensorFlow बिल्ड करने के बारे में सूचित करना है। जब आप TensorFlow को सोर्स से बिल्ड करते हैं तो यह मशीन पर तेज हो सकता है। इसलिए ये सभी चेतावनियाँ आपको सोर्स से TensorFlow बिल्ड करने के बारे में बता रही हैं।
अगर आपकी मशीन पर GPU है, तो आप AVX सपोर्ट से इन चेतावनियों को नज़रअंदाज कर सकते हैं। क्योंकि अधिकांश महंगे ऑपरेशन्स GPU डिवाइस पर भेजे जाएंगे। और यदि आप इस त्रुटि को भविष्य में नहीं देखना चाहते हैं, तो आप बस इसे नज़रअंदाज कर सकते हैं:
अपने मुख्य प्रोग्राम कोड में OS मॉड्यूल को इम्पोर्ट करें और इसके लिए मैपिंग ऑब्जेक्ट सेट करें
# चेतावनी अक्षम करने के लिए import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
लेकिन यदि आप Unix पर हैं, तो बैश शेल में एक्सपोर्ट कमांड का उपयोग करें
export TF_CPP_MIN_LOG_LEVEL=2
लेकिन अगर आपके पास GPU नहीं है, और आप अपने CPU का अधिकतम उपयोग करना चाहते हैं, तो आपको AVX, AVX2, और FMA के साथ अपने CPU के लिए अनुकूलित TensorFlow को सोर्स से बनाना चाहिए।